MétaCan
Menu
Retour à la cohorte
Enregistrement W4281710849 · doi:10.1038/s41371-022-00693-x

Automated ‘oscillometric’ blood pressure measuring devices: how they work and what they measure

2022· review· en· W4281710849 sur OpenAlexaff
James E. Sharman, Isabella Tan, George S. Stergiou, Carolina Lombardi, Francesca Saladini, Mark Butlin, Raj Padwal, Kei Asayama, Alberto Avolio, Tammy M. Brady, Alan Murray, Gianfranco Parati

Notice bibliographique

RevueJournal of Human Hypertension · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueBlood Pressure and Hypertension Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésMedicineSphygmomanometerBlood pressureAuscultationAutomated methodProtocol (science)Work (physics)CardiologyComputer scienceArtificial intelligenceInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

Automated 'oscillometric' blood pressure (BP) measuring devices (BPMDs) were developed in the 1970s to replace manual auscultatory BP measurement by mercury sphygmomanometer. Automated BPMDs that have passed accuracy testing versus a reference auscultatory sphygmomanometer using a scientifically accepted validation protocol are recommended for clinical use globally. Currently, there are many thousands of unique automated BPMDs manufactured by hundreds of companies, with each device using proprietary algorithms to estimate BP and using a method of operation that is largely unchanged since inception. Validated automated BPMDs provide similar BP values to those recorded using manual auscultation albeit with potential sources of error mostly associated with using empirical algorithms to derive BP from waveform pulsations. Much of the work to derive contemporary BP thresholds and treatment targets used to manage cardiovascular disease risk was obtained using automated BPMDs. While there is room for future refinement to improve accuracy for better individual risk stratification, validated BPMDs remain the recommended standard for office and out-of-office BP measurement to be used in hypertension diagnosis and management worldwide.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0050,004
Études des sciences et des technologies0,0000,002
Communication savante0,0040,005
Science ouverte0,0020,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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.

Tête enseignante Opus0,133
Tête enseignante GPT0,310
Écart entre enseignants0,178 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations73
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Human HypertensionMême sujetBlood Pressure and Hypertension StudiesTravaux en français237 207