MétaCan
Menu
Retour à la cohorte
Enregistrement W4402889645 · doi:10.2196/63306

Identifying Gravity-Related Artifacts on Ballistocardiography Signals by Comparing Weightlessness and Normal Gravity Recordings (ARTIFACTS): Protocol for an Observational Study

2024· article· en· W4402889645 sur OpenAlexvenueno aff
Urs‐Vito Albrecht, Annabelle Mielitz, Kazi Mohammad Abidur Rahman, Ulf Kulau

Notice bibliographique

RevueJMIR Research Protocols · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Invasive Vital Sign Monitoring
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccelerometerAccelerationAngular accelerationGyroscopeBallistocardiographySIGNAL (programming language)PhysicsNoise (video)AcousticsComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Modern ballistocardiography (BCG) and seismocardiography (SCG) use acceleration sensors to measure oscillating recoil movements of the body caused by the heartbeat and blood flow, which are transmitted to the body surface. Acceleration artifacts occur through intrinsic sensor roll, pitch, and yaw movements, assessed by the angular velocities of the respective sensor, during measurements that bias the signal interpretation. OBJECTIVE: This observational study aims to generate hypotheses on the detection and elimination of acceleration artifacts due to the intrinsic rotation of accelerometers and their differentiation from heart-induced sensor accelerations. METHODS: Multimodal data from 4 healthy participants (3 male and 1 female) using BCG-SCG and an electrocardiogram will be collected and serve as a basis for signal characterization, model modulation, and location vector derivation under parabolic flight conditions from µg to 1.8g. The data will be obtained during a parabolic flight campaign (3 times 30 parabolas) between September 24 and July 25 (depending on the flight schedule). To detect the described acceleration artifacts, accelerometers and gyroscopes (6-degree-of-freedom sensors) will be used for measuring acceleration and angular velocities attributed to intrinsic sensor rotation. Changes in acceleration and angular velocities will be explored by conducting descriptive data analysis of resting participants sitting upright in varying gravitational states. RESULTS: A multimodal data set will serve as a basis for research into a noninvasive and gentle method of BCG-SCG with the aid of low-noise and synchronous 3D gyroscopes and 3D acceleration sensors. Hypotheses will be generated related to detecting and eliminating acceleration artifacts due to the intrinsic rotation of accelerometers and gyroscopes (6-degree-of-freedom sensors) and their differentiation from heart-induced sensor accelerations. Data will be collected entirely and exclusively during the parabolic flights, taking place between September 2024 and July 2025. Thus, as of June 2024, no data have been collected yet. The data will be analyzed until December 2025. The results are expected to be published by June 2026. CONCLUSIONS: The study will contribute to understanding artificial acceleration bias to signal readings. It will be a first approach for a detection and elimination method. TRIAL REGISTRATION: Deutsches Register Klinische Studien DRKS00034402; https://drks.de/search/en/trial/DRKS00034402. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): PRR1-10.2196/63306.

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 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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,188
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0010,000
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 Opus0,430
Tête enseignante GPT0,520
Écart entre enseignants0,090 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetNon-Invasive Vital Sign MonitoringTravaux en français237 207