Temporal concordance between pulse contour analysis, bioreactance and carotid doppler during rapid preload changes
Notice bibliographique
Résumé
PURPOSE: We describe the temporal concordance of 3 hemodynamic monitors. MATERIALS AND METHODS: Healthy volunteers performed preload changes while simultaneously wearing a non-invasive, pulse-contour stroke volume (SV) monitor, a bioreactance SV monitor and a wireless, wearable Doppler ultrasound patch over the common carotid artery. The sensitivity and specificity for detecting preload change over 3 temporal windows (early, middle and late) was assessed. RESULTS: 40 preload changes were recorded in total (20 increase, 20 decrease). Immediately, the wearable Doppler had high sensitivity (100%) and specificity (100%) for detecting preload change with an area under the receiver operator curve (AUROC) of 0.98 for both velocity time integral (VTI, 10.5% threshold) and corrected flow time (FTc, 2.5% threshold). The sensitivity, specificity and AUROC for non-invasive pulse contour were equally good (9% SV threshold). For bioreactance, a 13% SV threshold immediately detected preload change with a sensitivity, specificity and AUROC of 60%, 95% and 0.75, respectively. After two SV outputs following preload change, the sensitivity, specificity and AUROC of bioreactance improved to 70%, 90% and 0.85, respectively. CONCLUSIONS: Carotid Doppler ultrasound and non-invasive pulse contour detected rapid hemodynamic change with equal accuracy; bioreactance improved over time. Algorithm-lag should be considered when interpreting clinical studies.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».