Enhancing central blood pressure accuracy through statistical modeling: A proof-of-concept study
Notice bibliographique
Résumé
Background: Non-invasive estimation of central blood pressure (BP) may have better prognostic value than brachial BP. The accuracy of central BP is limited in certain populations, such as in females and the elderly. This study aims to examine whether statistical modeling of central BP for clinical and hemodynamic parameters results in enhanced accuracy. Methods: This study is a cross-sectional analysis of 500 patients who underwent cardiac catheterization. Non-invasive brachial cuff and central BP were measured simultaneously to invasive aortic systolic BP (AoSBP). Central BP was calibrated for brachial systolic (SBP) and diastolic BP (Type I calibration; C1SBP) or brachial mean and diastolic BP (Type II calibration; C2SBP). Differences between central SBP and the corresponding AoSBP were assessed with linear regression models using clinical and hemodynamic parameters. These parameters were then added to C1SBP and C2SBP in adjusted models to predict AoSBP. Accuracy and precision were computed in the overall population and per age or sex strata. Results: C1SBP underestimated AoSBP by 11.2 mmHg (±13.5) and C2SBP overestimated it by 6.2 mmHg (±14.8). Estimated SBP amplification and heart rate were the greatest predictors of C1- and C2-AoSBP accuracies, respectively. Statistical modeling improved both accuracy (0.0 mmHg) and precision (±11.4) but more importantly, eliminated the differences of accuracy seen in different sex and age groups. Conclusion: Statistical modeling greatly enhances the accuracy of central BP measurements and abolishes sex- and age-based differences. Such factors could easily be implemented in central BP devices to improve their accuracy.
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 | 0,000 | 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 ».