MétaCan
Menu
Retour à la cohorte
Enregistrement W7061746117

Respiratory modulation of sternal accelerations

2020· dissertation· en· W7061746117 sur OpenAlexaffabout

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2020
Typedissertation
Langueen
DomaineMaterials Science
ThématiqueEngineering and Material Science Research
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSpirometerRespiratory systemTidal volumeRespirationApneaModulation (music)Respiratory rateBreathingVentilation (architecture)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Advances in wearable sensors have enabled physiological monitoring in scenarios outside of medical clinics.Two main areas, the cardiovascular and respiratory monitoring, generally require separate devices to analyze their performance.Seismocardiography (SCG) has the potential to monitor both aspects as it records the motion of the chest wall.SCG has been well developed for cardiovascular monitoring, however, there is limited knowledge on the effects of respiration.The objective of this thesis is to characterize how SCG is affected by respiration and how this effect can be used to derive respiratory metrics.50 subjects were recorded at McGill University with an inertial measurement unit on the xiphoid process and a spirometer was used for reference.Three scenarios were examined: the subject at rest, the subject during breath holds when inhaled, and the subject during breath holds when exhaled.Respiration modulation of the signals were explored in three main areas: amplitude modulation, frequency modulation, and baseline wandering.It was found that the SCG amplitude was dependent on respiratory volume in both the rest and apnea states.Baseline modulation and frequency modulation were dependent on inhalation and therefore showed no effects in the apnea state.Respiration Rate was extracted from all methods, with baseline wandering producing a maximum r-squared value of 0.71.The phase of baseline and frequency modulation showed better alignment with inhalation rather than volume.Amplitude modulation had less bias in respiratory phase prediction but higher standard deviation.A high inter-subject variability caused inconsistent results for extracting tidal volume with this method.Hence, no conclusive linear relationship with tidal volume was found.Given some calibration, the respiratory parameters of most subjects could be predicted using SCG.More work should be explored as to why only some subjects display strong correlation while others do not.SCG is a powerful cardiovascular monitoring tool and can potentially be developed into a respiratory monitoring tool to facilitate an integrated, non-invasive cardio-respiratory monitoring system.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,039
Tête enseignante GPT0,290
Écart entre enseignants0,250 · 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
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetEngineering and Material Science ResearchTravaux en français237 207