Beat-to-Beat Oscillometric Blood Pressure Estimation: A Bayesian Approach With System Identification
Notice bibliographique
Résumé
OBJECTIVE: Our study aims to advance noninvasive blood pressure (BP) monitoring through the introduction of innovative beat-to-beat oscillometric BP estimation methods. We aim to overcome current device limitations by delivering continuous and accurate BP estimates, utilizing physiologically based mathematical models. METHODS: We developed novel beat-to-beat oscillometric BP estimation methods based on physiologically grounded mathematical models of intra-arterial BP and the arterial system effect. Our approach includes a recursive Bayesian method for parameter estimation and a new system identification technique to refine initial parameter estimates. We tested our methods through simulations and real-world experiments involving 10 individuals. RESULTS: Mean errors for systolic and diastolic BP were as low as -1.26 mmHg and 2.03 mmHg, respectively, with standard deviations of errors at 5.95 mmHg and 4.16 mmHg. Furthermore, our methods enabled the estimation of additional cardiovascular parameters such as heart rate, respiration rate, and mean arterial pressure. CONCLUSION: Our novel beat-to-beat oscillometric BP estimation methods offer a significant advancement in noninvasive BP monitoring technology, addressing the limitations of current devices by providing continuous beat-to-beat BP estimates. SIGNIFICANCE: Our approach represents a promising direction for improving the reliability and comprehensiveness of cardiovascular parameter estimation in noninvasive BP monitoring devices, facilitating more effective patient care and 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 ».