MétaCan
Menu
Retour à la cohorte
Enregistrement W4408506781 · doi:10.1177/20552076251323838

Defining the physiological bounds of left ventricular ejection time with a wireless, wearable ultrasound: An analysis of over 137,000 cardiac cycles

2025· article· en· W4408506781 sur OpenAlexaff
Lisa M. Hofer, Jon‐Émile S. Kenny, Chelsea E. Munding, Isabel Kerrebijn, Sarah Atwi, Aarron Younan, Joseph K. Eibl

Notice bibliographique

RevueDigital Health · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueHemodynamic Monitoring and Therapy
Établissements canadiensNOSM UniversityHealth Sciences North
Organismes subventionnairesnon disponible
Mots-clésPreloadMedicineCardiologyCardiac cycleInternal medicineStroke volumeBlood flowUltrasoundCommon carotid arteryDoppler effectCarotid arteriesHemodynamicsHeart failureEjection fractionRadiology

Résumé

récupéré en direct d'OpenAlex

Background: Flow time (FT) or the left ventricular ejection time (LVET) is the duration of mechanical systole, when the aortic valve is open and ejecting blood. LVET can be measured in the common carotid artery from the time of the systolic upstroke to the incisural notch. FT is directly related to stroke volume (SV) and therefore has important implications for inpatient and outpatient cardiovascular care. Despite this known relationship between FT (i.e., LVET) and SV, large patient datasets describing the distribution and physiological bounds of FT are lacking. Methods: Using a wearable, continuous-wave Doppler ultrasound patch, we are amassing a database of cardiac cycles from the common carotid Doppler pulse in patients and healthy volunteers performing various preload challenges. Results: From this dataset of over 137,000 measurements in 347 patients, we report the mean and distributions of the common carotid artery flow time (i.e., LVET) corrected for heart rate using several prevailing equations. Conclusions: Our findings are the most extensive exploration of the physiological bounds of FT (i.e., LVET) and are useful in both clinical assessments of cardiac health and various algorithm detection applications.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,022
Score d'incertitude au seuil0,261

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,281
Écart entre enseignants0,275 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital HealthMême sujetHemodynamic Monitoring and TherapyTravaux en français237 207