MétaCan
Menu
Retour à la cohorte
Enregistrement W4399992451 · doi:10.2196/53643

Reliable Contactless Monitoring of Heart Rate, Breathing Rate, and Breathing Disturbance During Sleep in Aging: Digital Health Technology Evaluation Study

2024· article· en· W4399992451 sur OpenAlex

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR mhealth and uhealth · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Invasive Vital Sign Monitoring
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHeart rate variabilityPreprintBreathingHeart rateSleep (system call)Disturbance (geology)mHealthMedicineComputer scienceInternal medicineAnesthesiaWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Background Longitudinal monitoring of vital signs provides a method for identifying changes to general health in an individual, particularly in older adults. The nocturnal sleep period provides a convenient opportunity to assess vital signs. Contactless technologies that can be embedded into the bedroom environment are unintrusive and burdenless and have the potential to enable seamless monitoring of vital signs. To realize this potential, these technologies need to be evaluated against gold standard measures and in relevant populations. Objective We aimed to evaluate the accuracy of heart rate and breathing rate measurements of 3 contactless technologies (2 undermattress trackers, Withings Sleep Analyzer [WSA] and Emfit QS [Emfit]; and a bedside radar, Somnofy) in a sleep laboratory environment and assess their potential to capture vital signs in a real-world setting. Methods Data were collected from 35 community-dwelling older adults aged between 65 and 83 (mean 70.8, SD 4.9) years (men: n=21, 60%) during a 1-night clinical polysomnography (PSG) test in a sleep laboratory, preceded by 7 to 14 days of data collection at home. Several of the participants (20/35, 57%) had health conditions, including type 2 diabetes, hypertension, obesity, and arthritis, and 49% (17) had moderate to severe sleep apnea, while 29% (n=10) had periodic leg movement disorder. The undermattress trackers provided estimates of both heart rate and breathing rate, while the bedside radar provided only the breathing rate. The accuracy of the heart rate and breathing rate estimated by the devices was compared with PSG electrocardiogram-derived heart rate (beats per minute) and respiratory inductance plethysmography thorax-derived breathing rate (cycles per minute), respectively. We also evaluated breathing disturbance indexes of snoring and the apnea-hypopnea index, available from the WSA. Results All 3 contactless technologies provided acceptable accuracy in estimating heart rate (mean absolute error <2.12 beats per minute and mean absolute percentage error <5%) and breathing rate (mean absolute error ≤1.6 cycles per minute and mean absolute percentage error <12%) at 1-minute resolution. All 3 contactless technologies were able to capture changes in heart rate and breathing rate across the sleep period. The WSA snoring and breathing disturbance estimates were also accurate compared with PSG estimates (WSA snore: r2=0.76; P<.001; WSA apnea-hypopnea index: r2=0.59; P<.001). Conclusions Contactless technologies offer an unintrusive alternative to conventional wearable technologies for reliable monitoring of heart rate, breathing rate, and sleep apnea in community-dwelling older adults at scale. They enable the assessment of night-to-night variation in these vital signs, which may allow the identification of acute changes in health, and longitudinal monitoring, which may provide insight into health trajectories. International Registered Report Identifier (IRRID) RR2-10.3390/clockssleep6010010

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 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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,027
Tête enseignante GPT0,333
Écart entre enseignants0,305 · 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