MétaCan
Menu
Retour à la cohorte
Enregistrement W4283765519 · doi:10.1038/s41371-022-00718-5

How to find and use validated blood pressure measuring devices

2022· review· en· W4283765519 sur OpenAlexaff
Dean S. Picone, Raj Padwal, George S. Stergiou, Jordana B. Cohen, Richard J. McManus, Siegfried Eckert, Kei Asayama, Neil Atkins, Michael Rakotz, Cintia Lombardi, Tammy M. Brady, James E. Sharman

Notice bibliographique

RevueJournal of Human Hypertension · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueBlood Pressure and Hypertension Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesWellcome TrustNational Center for Advancing Translational SciencesBill and Melinda Gates FoundationNational Institute of Diabetes and Digestive and Kidney DiseasesResolve to Save LivesNational Heart, Lung, and Blood InstituteNational Heart Foundation of AustraliaNational Institute for Health and Care ResearchNational Institutes of HealthU.S. Department of Health and Human ServicesBloomberg PhilanthropiesAmerican Heart Association
Mots-clésMedicineBlood pressureMEDLINEIntensive care medicineCardiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Clinically validated, automated arm-cuff blood pressure measuring devices (BPMDs) are recommended for BP measurement. However, most BPMDs available for purchase by consumers globally are not properly validated. This is a problem because non-validated BPMDs are less accurate and precise than validated ones, and therefore if used clinically could lead to misdiagnosis and mismanagement of BP. In response to this problem, several validated device lists have been developed, which can be used by clinicians and consumers to identify devices that have passed clinical validation testing. The purpose of this review is to describe the resources that are available for finding validated BPMDs in different world regions, to identify the differences between validated device lists, and describe current gaps and challenges. How to use validated BPMDs properly is also summarised.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,757
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,203
Tête enseignante GPT0,328
Écart entre enseignants0,125 · 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 tête enseignante, pas un consensus.

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

Citations18
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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