MétaCan
Menu
Retour à la cohorte
Enregistrement W7132997006

A Multi-Modal Physiological Monitoring System Utilizing Multi-Wavelength Photoplethysmography and Transthoracic Bioimpedance for Advanced Hemodynamic Monitoring

2024· dissertation· W7132997006 sur OpenAlexaff
Rawad Alkallas

Notice bibliographique

RevueTSpace · 2024
Typedissertation
Langue
DomaineEngineering
ThématiqueNon-Invasive Vital Sign Monitoring
Établissements canadiensToronto Rehabilitation Institute
Organismes subventionnairesnon disponible
Mots-clésPhotoplethysmogramHemodynamicsBlood pressureCardiac outputVascular resistanceHeart failure
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Cardiovascular disease is a leading cause of mortality worldwide, with blood pressure regulation being a critical aspect of its management. Continuous, non-invasive blood pressure (cNiBP) devices allow for patients and clinicians to monitor the disease remotely and in between clinical visits. However, blood pressure readings alone do not provide a comprehensive picture of cardiovascular status, as in cases of compensated heart failure where reduced ejection fraction leads to reduced cardiac output, but compensation through vasoconstriction can maintain blood pressure within healthy ranges. This research project presents a multimodal system that monitors physiological metrics correlated with blood pressure and its underlying regulatory mechanisms, such as vascular resistance and cardiac output. The system employs transthoracic bio-impedance spectroscopy to quantify cardiac output, a multi-wavelength photoplethysmography system to estimate total peripheral resistance through local peripheral vascular resistance at the hand, and electrocardiography to estimate blood pressure through pulse arrival time measurements. Monitoring this specific set of parameters, the system provides real-time estimation of the cardiovascular status, improving the classification of hemodynamic states during various pressor scenarios over systems without cardiac output measurements. System accuracy is validated using Bland-Altman analysis against a Finapres Nova as a non-invasive reference standard. Machine learning architectures are deployed to systematically classify hemodynamic states utilizing multidimensional physiological data in an ablation study to estimate the value of additional hemodynamic variables for clinical assessment. The system extends beyond contemporary telemonitoring solutions by facilitating the continuous tracking of hemodynamic variables responsible for blood pressure regulation, offering a comprehensive and pragmatic approach to cardiovascular surveillance. Upon remote deployment, the system will generate clinically actionable data on cardiovascular disease progression, enabling the formulation of personalized therapeutic strategies based on real-time hemodynamic profiles and trends.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,246
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0020,002
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 Opus0,040
Tête enseignante GPT0,343
Écart entre enseignants0,302 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetNon-Invasive Vital Sign MonitoringTravaux en français237 207