Predicting Blood Pressure After Nitroglycerin Infusion Dose Titration in Critical Care Units
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Critical care nurses use physiological indicators, such as blood pressure, to guide their decision-making regarding the titration of nitroglycerin infusions. A retrospective study was conducted to determine the accuracy of systolic blood pressure predictions during nitroglycerin infusions. Data were extracted from the publicly accessible eICU program database. The accuracy of a linear model, least absolute shrinkage and selection operator, ridge regression, and a stacked ensemble model trained using the AutoGluon-Tabular framework were investigated. A persistence model, where the future value in a time series is predicted as equal to its preceding value, was used as the baseline comparison for model accuracy. Internal-external validation was used to examine if heterogeneity among hospitals could contribute to model performance. The sample consisted of 827 patients and 2541 nitroglycerin dose titrations with corresponding systolic blood pressure measurements. The root-mean-square error on the test set for the stacked ensemble model developed using the AutoGluon-Tabular framework was the lowest of all models at 15.3 mm Hg, equating to a 22% improvement against the baseline. Internal-external validation revealed consistent accuracy across hospitals. Further studies are needed to determine the impact of using systolic blood pressure predictions to inform nurses' clinical decision-making regarding nitroglycerin infusion titration in critical care.
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.
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 découle