High-fidelity measurement of pulse arrival time in critically ill children using standard bedside monitoring equipment
Notice bibliographique
Résumé
Abstract Objective . Pulse arrival time (PAT) is known to be correlated with blood pressure. Although PAT can be measured using electrocardiography (ECG), photoplethysmography (PPG), and other signals commonly available in clinical settings, recent literature has noted that devices recording these waveforms are often subject to many hardware-specific factors related to digital filtering, clock synchronization, temporal resolution, and latency. These factors can introduce relative timing errors between the ECG and PPG signals, resulting in a situation where traditional approaches for PAT measurement will not work as intended. Approach . In this work, we propose a methodology that accounts for these confounding factors and generates precise measurements of PAT using standard bedside monitoring equipment. This technique involves using heart rate variability to match heartbeats across waveforms and experimentally profiling the timing systems of bedside medical devices to correct various timing-related artifacts. To improve the precision of the resulting PAT measurements, we model temporal uncertainties stemming from the finite temporal resolution of the waveform samples. Main results . We apply this approach to a dataset comprising approximately 1.6 million hours of continuous ECG and PPG data from over 10 000 unique patients in a pediatric intensive care unit. After demonstrating that the observed timing artifacts are consistent across the entire dataset, we show that accounting for them results in more reasonable distributions of PAT measurements across age groups. Significance . It is our hope that this work will spur discussion around the standardization of PAT measurement using routinely collected signals in a clinical environment.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».