Characterization of Wearable Respiratory Sensors for Breathing Parameter Measurements
Notice bibliographique
Résumé
Controlling and treating respiratory diseases requires monitoring of the respiratory system. Conventional monitoring systems lack portability, which makes continuous monitoring difficult. The accuracy and reliability of portable monitoring technologies, such as wearable sensors, have rarely been characterized. This study characterized measurements of a commercial respiratory sensor in measuring tidal volume, inhalation time, and respiratory rate (RR) based on the measurement of abdominal/thoracic movements. The respiratory sensor was evaluated when placed at the thoracic spine (at the T6 and T12 vertebrae) and the abdomen (at the L3 vertebra) to find a suitable sensor location. Each test also included three breathing patterns (shallow normal, and deep) to calibrate the respiratory sensor against a flow sensor. The results showed that the respiratory sensor placement on either thorax location offered more accurate tidal volume estimation. Additionally, implementing an individualized calibration formula outperformed using a universal formula for all participants. The study involved two visits for each participant to assess how accurately the calibration formulation for estimating tidal volume, determined during the first visit, was performed during the second visit. The maximum mean relative error of tidal volume increased from 19% at the first visit to 35% at the second visit. The mean relative error of respiration rate and inhalation time remained below 13% and 26%, respectively, across all breathing patterns studied. This highlights the necessity of recalibration before each measurement to obtain more accurate tidal volume estimations. These observations may explain the extent of reliability of the wearable respiratory sensor for at-home daily monitoring.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».