Point-of-Care Programming for Neuromodulation
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
BACKGROUND: The expansion of neuromodulation and its indications has resulted in hundreds of thousands of patients with implanted devices worldwide. Because all patients require programming, this growth has created a heavy burden on neuromodulation centers and patients. Remote point-of-care programming may provide patients with real-time access to neuromodulation expertise in their communities. OBJECTIVE: To test the feasibility of remotely programming a neuromodulation device using a remote-presence robot and to determine the ability of an expert programmer to telementor a nonexpert in programming the device. METHODS: A remote-presence robot (RP-7) was used for remote programming. Twenty patients were randomly assigned to either conventional programming or a robotic session. The expert remotely mentored 10 nurses with no previous experience to program the devices of patients assigned to the remote-presence sessions. Accuracy of programming, adverse events, and satisfaction scores for all participants were assessed. RESULTS: There was no difference in the accuracy or clinical outcomes of programming between the standard and remote-presence sessions. No adverse events occurred in any session. The patients, nurses, and the expert programmer expressed high satisfaction scores with the remote-presence sessions. CONCLUSION: This study establishes the proof-of-principle that remote programming of neuromodulation devices using telepresence and expert telementoring of an individual with no previous experience to accurately program a device is feasible. We envision a time in the future when patients with implanted devices will have real-time access to neuromodulation expertise from the comfort of their own home.
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 | 0,000 | 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