MétaCan
Menu
Retour à la cohorte
Enregistrement W4294001280 · doi:10.1183/23120541.00265-2022

Performance of cough monitoring by Albus Home, a contactless and automated system for nocturnal respiratory monitoring at home

2022· article· en· W4294001280 sur OpenAlexafffund
William Do, Richard Russell, Christopher Wheeler, Hamza Javed, Cihan Dogan, George B. Cunningham, Vikaran Khanna, Maarten De Vos, Imran Satia, Mona Bafadhel, Ian Pavord

Notice bibliographique

RevueERJ Open Research · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory and Cough-Related Research
Établissements canadiensMcMaster University
Organismes subventionnairesSanofi GenzymeInsmedSanofiGlaxoSmithKlineMcMaster UniversityRegeneron PharmaceuticalsTeva Pharmaceutical IndustriesGenentechAstraZeneca
Mots-clésMedicineNocturnalRespiratory systemRespiratory monitoringIntensive care medicineMedical emergencyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Introduction: Objective cough frequency is a key clinical end-point but existing wearable monitors are limited to 24-h recordings. Albus Home uses contactless motion, acoustic and environmental sensors to monitor multiple metrics, including respiratory rate and cough without encroaching on patient lifestyle. The aim of this study was to evaluate measurement characteristics of nocturnal cough monitoring by Albus Home compared to manual counts. Methods: Adults with respiratory conditions underwent overnight monitoring using Albus Home in their usual bedroom environments. Participants set-up the plug-and-play device themselves. For reference counts, each audio recording was counted by two annotators, and cough defined as explosive phases audio-visually labelled by both. In parallel, recordings were processed by a proprietary Albus system, comprising a deep-learning algorithm with a human screening step for verifying or excluding occasional events that mimic cough. Performance of the Albus system in detecting individual cough events and reporting hourly cough counts was compared against reference counts. Results: 30 nights from 10 subjects comprised 375 hours of recording. Mean±sd coughs per night were 90±76. Coughs per hour ranged from 0 to 129. Albus counts were accurate across hours with high and low cough frequencies, with median sensitivity, specificity, positive predictive value and negative predictive values of 94.8, 100.0, 99.1 and 100.0%, respectively. Agreement between Albus and reference was strong (intra-class correlation coefficient (ICC) 0.99; 95% CI 0.99-0.99; p<0.001) and equivalent to agreement between observers and reference counts (ICC 0.98 and 0.99, respectively). Conclusions: Albus Home provides a unique, contactless and accurate system for cough monitoring, enabling collection of high-quality and potentially clinically relevant longitudinal data.

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)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,213
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,002
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 Opus0,128
Tête enseignante GPT0,419
Écart entre enseignants0,290 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations9
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueERJ Open ResearchMême sujetRespiratory and Cough-Related ResearchTravaux en français237 207