A novel scalable electrode array and system for non‐invasively assessing gastric function using flexible electronics
Notice bibliographique
Résumé
BACKGROUND: Disorders of gastric function are highly prevalent, but diagnosis often remains symptom-based and inconclusive. Body surface gastric mapping is an emerging diagnostic solution, but current approaches lack scalability and are cumbersome and clinically impractical. We present a novel scalable system for non-invasively mapping gastric electrophysiology in high-resolution (HR) at the body surface. METHODS: ), wearable data logger with custom electronics incorporating bioamplifier chips, accelerometer and Bluetooth synchronized in real-time to an App with cloud connectivity. Automated algorithms filter and extract HR biomarkers including propagation (phase) mapping. The system was tested in a cohort of 24 healthy subjects to define reliability and characterize features of normal gastric activity (30 m fasting, standardized meal, and 4 h postprandial). KEY RESULTS: Gastric mapping was successfully achieved non-invasively in all cases (16 male; 8 female; aged 20-73 years; BMI 24.2 ± 3.5). In all subjects, gastric electrophysiology and meal responses were successfully captured and quantified non-invasively (mean frequency 2.9 ± 0.3 cycles per minute; peak amplitude at mean 60 m postprandially with return to baseline in <4 h). Spatiotemporal mapping showed regular and consistent wave activity of mean direction 182.7° ± 73 (74.7% antegrade, 7.8% retrograde, 17.5% indeterminate). CONCLUSIONS AND INFERENCES: BSGM is a new diagnostic tool for assessing gastric function that is scalable and ready for clinical applications, offering several biomarkers that are improved or new to gastroenterology practice.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».