MétaCan
Menu
Retour à la cohorte
Enregistrement W4394841748 · doi:10.1109/tbme.2024.3388316

Nonlinear Viscoelastic Modeling of Finger Arteries: Toward Smartphone-Based Blood Pressure Monitoring via the Oscillometric Finger Pressing Method

2024· article· en· W4394841748 sur OpenAlexfundno aff
Cederick Landry, Mark Freithaler, Vishaal Dhamotharan, Hadi Daher, Sanjeev G. Shroff, Ramakrishna Mukkamala

Notice bibliographique

RevueIEEE Transactions on Biomedical Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Invasive Vital Sign Monitoring
Établissements canadiensnon disponible
Organismes subventionnairesNational Heart, Lung, and Blood InstituteNatural Sciences and Engineering Research Council of CanadaNational Institutes of Health
Mots-clésPressingViscoelasticityNonlinear systemBiomedical engineeringMaterials scienceBlood pressureComputer scienceAcousticsMedicineComposite materialInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Oscillometric finger pressing is a smartphone-based blood pressure (BP) monitoring method. Finger photoplethysmography (PPG) oscillations and pressure are measured during a steady increase in finger pressure, and an algorithm computes systolic BP (SP) and diastolic BP (DP) from the measurements. The objective was to assess the impact of finger artery viscoelasticity on the BP computation. METHODS: Nonlinear viscoelastic models relating transmural pressure (finger BP - applied pressure) to PPG oscillations during finger pressing were developed. The output of each model to a measured transmural pressure input was fitted to measured PPG oscillations from 15 participants. A parametric sensitivity analysis was performed via model simulations to elucidate the viscoelastic effect on the derivative-based BP computation algorithm. RESULTS: A Wiener viscoelastic model comprising a first-order transfer function followed by a static sigmoidal function fitted the measured PPG oscillations better than an elastic model containing only the static function (median (IQR) error of 30.5% (25.6%-34.0%) vs 50.9% (46.7%-53.7%); p<0.01). In Wiener model simulations, the derivative algorithm underestimated SP, especially with high pulse pressure and low transfer function cutoff frequency (i.e., greater viscoelasticity). The mean of the normalized PPG waveform at the maximum oscillation beat was found to correlate with the cutoff frequency (r = -0.8) and could thus possibly be used to compensate for viscoelasticity. CONCLUSION: Finger artery viscoelasticity negatively impacts oscillometric BP computation algorithms but can potentially be compensated for using available measurements. SIGNIFICANCE: These findings may help in converting smartphones into truly cuffless BP monitors for improving hypertension awareness and control.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,938
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
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 Opus0,016
Tête enseignante GPT0,244
Écart entre enseignants0,228 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Biomedical EngineeringMême sujetNon-Invasive Vital Sign MonitoringTravaux en français237 207