Detecting the Change in Total Circulatory Flow with a Wireless, Wearable Doppler Ultrasound Patch: A Pilot Study
Notice bibliographique
Résumé
Measuring fluid responsiveness is important in the management of critically ill patients, with a 10-15% change in cardiac output typically being used to indicate "fluid responsiveness." Ideally, these changes would be measured noninvasively and peripherally. The aim of this study was to determine how the common carotid artery (CCA) maximum velocity changes with total circulatory flow when confounding factors are mitigated and determine a value for CCA maximum velocity corresponding to a 10% change in total circulatory flow. DESIGN: Prospective observational pilot study. SETTING: Patients undergoing elective, on-pump coronary artery bypass grafting (CABG) surgery. PATIENTS: Fourteen patients were referred for elective coronary artery bypass grafting surgery. INTERVENTIONS: Cardiopulmonary bypass (CPB) pump flow changes during surgery, as chosen by the perfusionist. MEASUREMENTS: A hands-free, wearable Doppler patch was used for CCA velocity measurements with the aim of preventing user errors in ultrasound measurements. Maximum CCA velocity was determined from the spectrogram acquired by the Doppler patch. CPB flow rates were recorded as displayed on the CPB console, and further measured from the peristaltic pulsation frequency visible on the recorded Doppler spectrograms. MAIN RESULTS: Changes in CCA maximum velocity tracked well with changes in CPB flow. On average, a 13.6% change in CCA maximum velocity was found to correspond to a 10% change in CPB flow rate. CONCLUSIONS: Changes in CCA velocity may be a useful surrogate for determining fluid responsiveness when user error can be mitigated.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».