Automated Evaluation of Urodynamic Examinations Through Local Linear Models: Validation on Spinal Cord Injury Individuals
Notice bibliographique
Résumé
OBJECTIVE: Investigating consistent methods and metrics for classifying Detrusor Overactivity (DO) events and developing an automated robust method for clinical measurements calculation from cystometry data in persons with spinal cord injury (SCI). METHODS AND PROCEDURES: A two-stage method for was proposed to detect DO events. In the first stage, DO peaks were detected using local linear models combined with thresholding criteria derived from clinical definitions and known artifacts. In the second stage, a segmentation method was proposed to detect the start and end time points of each DO event, marking the DO activity periods. As a result, complete clinical measurements, including bladder compliance, can be estimated automatically. The method was developed and tested on 77 anonymized urodynamic samples from SCI individuals (40 DO-positive, 37 DO-negative) with 158 annotated DO events. RESULTS: On test data, in terms of the patient-level diagnosis of DO, the proposed method achieved an accuracy of 100%. Individual DO event detection achieved an average precision of 0.94 and recall of 0.72. Detrusor activity period identification showed a precision of 0.86 and a recall of 0.88. The task of automated bladder compliance estimation showed that the point-value-based method yields a lower median absolute error (MAE) compared to the proposed line-fitting-based method, with a MAE of 5.20 and 7.14 ml/cmH2O, respectively. Finally, for classifying bladder function into normal, low and severely low compliance, the proposed method had an accuracy of 88%. CONCLUSION: This work proposes a fully automated detrusor overactivity diagnosis and feature extraction method. Empowering medical teams to consistently assess urodynamic studies while aiding disease characterization and enhancing clinical decision-making for SCI patients. Furthermore, it provides a mathematically defined method for extending the pipeline to other populations and standardizing clinical assessments.Category: Clinical Engineering, Medical Devices and Systems.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».