Design and Evaluation of an Intelligent Remote Tidal Volume Variability Monitoring System in E-Health Applications
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A reliable long-term monitoring and diagnosis of breath disorders at an early stage provides an improvement of medical act, life expectancy, and quality of life while decreasing the costs of treatment and medical services. Therefore, a real-time unobtrusive monitoring of respiration patterns, as well as breath parameters, is a critical need in medical applications. In this paper, we propose an intelligent system for patient home care, capable of measuring respiration rate and tidal volume variability via a wearable sensing technology. The proposed system is designed particularly for the goal of diagnosis and treatment in patients with pathological breathing, e.g., respiratory complications after surgery or sleep disorders. The complete system was comprised of wearable calibrated accelerometer sensor, Bluetooth low energy, and cloud database. The experiments are conducted with eight subjects and the overall error in respiration rate calculation is obtained 0.29%±0.33% considering SPR-BTA spirometer as the reference. We also introduce a method for tidal volume variability estimation while validated using Pearson correlation. Furthermore, since it is essential to detect the critical events resulted from sudden rise or fall in per breath tidal volume of the patients, we provide a technique to automatically find the accurate threshold values based on each individual breath characteristics. Therefore, the system is able to detect the major changes, precisely by more than 98%, and provide immediate feedback such as sound alarm for round-the-clock respiration monitoring.
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.
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 | 0,011 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle