Clinical feasibility of a contactless multiparameter continuous monitoring technology for neonates in a large public maternity hospital in Nairobi, Kenya
Notice bibliographique
Résumé
Multiparameter continuous physiological monitoring (MCPM) technologies are critical in the clinical management of high-risk neonates; yet, these technologies are frequently unavailable in many African healthcare facilities. We conducted a prospective clinical feasibility study of EarlySense's novel under-mattress MCPM technology in neonates at Pumwani Maternity Hospital in Nairobi, Kenya. To assess feasibility, we compared the performance of EarlySense's technology to Masimo's Rad-97 pulse CO-oximeter with capnography technology for heart rate (HR) and respiratory rate (RR) measurements using up-time, clinical event detection performance, and accuracy. Between September 15 and December 15, 2020, we collected and analyzed 470 hours of EarlySense data from 109 enrolled neonates. EarlySense's technology's up-time per neonate was 2.9 (range 0.8, 5.3) hours for HR and 2.1 (range 0.9, 4.0) hours for RR. The difference compared to the reference was a median of 0.6 (range 0.1, 3.1) hours for HR and 0.8 (range 0.1, 2.9) hours for RR. EarlySense's technology identified high HR and RR events with high sensitivity (HR 81%; RR 83%) and specificity (HR 99%; RR 83%), but was less sensitive for low HR and RR (HR 0%; RR 14%) although maintained specificity (HR 100%; RR 95%). There was a greater number of false negative and false positive RR events than false negative and false positive HR events. The normalized spread of limits of agreement was 9.6% for HR and 28.6% for RR, which met the a priori-identified limit of 30%. EarlySense's MCPM technology was clinically feasible as demonstrated by high percentage of up-time, strong clinical event detection performance, and agreement of HR and RR measurements compared to the reference technology. Studies in critically ill neonates, assessing barriers and facilitators to adoption, and costing analyses will be key to the technology's development and potential uptake and scale-up.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».