Neonatal Respiratory Rate Monitoring Using a Pressure-Sensitive Mat
Notice bibliographique
Résumé
Pressure measurement using a Pressure Sensitive Mat (PSM) enables a non-contact approach for monitoring patient vital signs such as respiration rate (RR) and heart rate (HR).Non-contact patient monitoring in Neonatal Intensive Care Units (NICU) can improve the quality of patient care and reduce patient discomfort.This thesis investigates the applicability of PSM for monitoring of neonatal patient respiration rate in the NICU.A clinical trial was conducted with the Children's Hospital of Eastern Ontario (CHEO) collecting PSM data from 15 patients in three different bed types.Gold standard RR and annotations of patient movement and interventions were collected simultaneously.Algorithms for estimating RR were developed by optimizing spatial downsampling, reference signal selection, enhancement, and combining.The RR estimation results were evaluated against gold standard estimates from a commercial patient monitor.The best RR estimation method worked well when the patient is on ventilator support achieving a mean absolute error (MAE) of 3.9 +/-6.6 bpm on clean data without patient movements or interventions.For this patient, 89.7% of RR estimates were within the clinically acceptable range of +/-10 bpm, while 78.4% fell within the more stringent limits of +/-5 bpm.When the RR estimation algorithm is evaluated on all patients, RR estimation performance is mixed.In particular, very low mass neonates and patients laying on multiple blankets presented challenges for RR estimation.Taken together, a 95% confidence interval (CI) for agreement between the estimated and gold standard RR was estimated to be [-44.8,51.9] bpm with a mean bias of 3.5 bpm, using a mixed effects limits of agreement (LoA)
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,006 | 0,003 |
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 ».