Use of actigraphy for monitoring agitation and rest-activity cycles in patients with acute traumatic brain injury in the ICU
Notice bibliographique
Résumé
BACKGROUND: In traumatic brain injury patients (TBI) admitted to the intensive care unit (ICU), agitation can lead to accidental removal of catheters, devices as well as self-extubation and falls. Actigraphy could be a potential tool to continuously monitor agitation. The objectives of this study were to assess the feasibility of monitoring agitation with actigraphs and to compare activity levels in agitated and non-agitated critically ill TBI patients. METHODS: Actigraphs were placed on patients' wrists; 24-hour monitoring was continued until ICU discharge or limitation of therapeutic efforts. Feasibility was assessed by actigraphy recording duration and missing activity count per day. RESULTS: Data from 25 patients were analyzed. The mean number of completed day of actigraphy per patient was 6.5 ± 5.1. The mean missing activity count was 20.3 minutes (±81.7) per day. The mean level of activity measured by raw actigraphy counts per minute over 24 hours was higher in participants with agitation than without agitation. CONCLUSIONS: This study supports the feasibility of actigraphy use in TBI patients in the ICU. In the acute phase of TBI, agitated patients have higher levels of activity, confirming the potential of actigraphy to monitor agitation.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».