Discriminatory ability of perioperative heart rate variability in predicting postoperative complications in major urologic surgery: a prospective cohort study
Notice bibliographique
Résumé
We aimed to determine if continuous perioperative heart rate variability (HRV) monitoring could improve risk stratification compared to a short preoperative measurement in radical cystectomy patients. Electrocardiography (ECG) recordings were collected continuously preoperatively to discharge in 83 patients. Two, 5-min ECG signal segments (preoperative and at 24-h post ECG placement) were analyzed offline to extract HRV metrics. HRV metric discriminatory ability to identify patients with 30-day postoperative complications were analyzed using receiver operating characteristics curves. Sixty participants were included for analysis of which 27 (45%) developed a complication within 30 days postoperative. HRV was reduced in patients with complications. Postoperative standard deviation NN intervals and root mean square of successive differences had area under the curves (AUC) of 0.67 (95% CI 0.54 to 0.81) and 0.68 (95% CI 0.54 to 0.82), respectively. Significant discriminatory abilities were also reported for postoperative frequency metrics of absolute low frequency (LF) [AUC = 0.65 (95% CI 0.51 to 0.79)] and high frequency (HF) powers [AUC = 0.69 (95% CI 0.55 to 0.83)] and total power [AUC = 0.66 (95% CI 0.53 to 0.80)]. Postoperative acquired HRV metrics demonstrated improved discriminatory ability. Our findings suggest that longer-term perioperative HRV monitoring presents with superior ability to stratify complication risk.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».