MétaCan
Menu
Retour à la cohorte
Enregistrement W4415509722 · doi:10.2460/ajvr.25.06.0192

Using detrended fluctuation analysis and fast Fourier transformation of major peaks to estimate maximal lactate steady state from electrocardiograms of exercising horses

2025· article· en· W4415509722 sur OpenAlexaff
Ashley Sande, Emma Santosuosso, John Scharf, Sierra Shoemaker, Sierra Temple, Kaneesha Hemmerling, Tessa Kell, Renaud Léguillette, Warwick M. Bayly

Notice bibliographique

RevueAmerican Journal of Veterinary Research · 2025
Typearticle
Langueen
DomaineVeterinary
ThématiqueVeterinary Equine Medical Research
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSteady state (chemistry)Fourier analysisDetrended fluctuation analysisFourier transformTransformation (genetics)Blood lactate

Résumé

récupéré en direct d'OpenAlex

Objective: To compare maximal lactate steady-state (MLSS) speeds determined using a treadmill-dependent invasive reference method (RM) with 2 noninvasive methods based on heart rate variability-focused analysis of exercise ECGs. Methods: This was a randomized, blinded study using 7 fit Thoroughbreds. A standardized incremental exercise treadmill test (SET) where blood lactate concentration ([La]) was measured after every step facilitated calculation of speeds at which [La] was 1.5, 2.0, and 2.5 mmol/L. The RM required steady-state exercise (SS) at each of these speeds for 25 minutes or until [La] increased > 1 mmol/L from that after 5 minutes of exercise. The fastest speed at which a horse ran was 25 minutes at SS = MLSS. Electrocardiograms were recorded for each SET and SS, assigned randomized numbers, and distributed for analyses using (1) detrended fluctuation analysis-α1 (DFAα1), and (2) smartphone-capable 4- to 30-Hz spectral analysis to determine the speed associated with the minimum number of major peaks (MPs). Bland-Altman plots assessed agreement between methods and paired t tests compared RM MLSS speeds with those calculated from the SET and SS by DFAα1 and MPs, respectively (P < .05). Results: The RM MLSS was not different from MLSS determined by MPs from SS runs, and Bland-Altman plots revealed good agreement between these speeds but wide 95% agreement intervals. Comparisons of RM MLSS with other methods showed an approximately equal to 1-m/s bias and poor agreement. Conclusions: Major peaks but not DFAα1 provided acceptable estimates of MLSS from ECGs recorded during SS. Clinical Relevance: Major peaks may be a practically useful noninvasive exercise ECG-based field method for estimating MLSS if the variability between calculated MP and MLSS speeds can be reduced.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,115
Tête enseignante GPT0,469
Écart entre enseignants0,354 · 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 source (Gemma direct ou Codex distillé), 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 revueAmerican Journal of Veterinary ResearchMême sujetVeterinary Equine Medical ResearchTravaux en français237 207