Agreement Between an Ingestible Telemetric Sensor System and a Mercury Thermometer Before and After Linear Regression Correction
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the use of the CorTemp ingestible sensor system to monitor athletes in the prevention of thermal injuries, 3 objectives were established: (1) to determine the agreement between the system and a mercury thermometer and quantify the effect of exceeding the recommended yearly manufacturer calibration, (2) to establish the effect of individual sensor correction on agreement, and (3) to determine the quantity of data required for effective correction. DESIGN: Validation study. PARTICIPANTS: Ninety-four ingestible sensors. INTERVENTIONS: (1) Five comparisons were made between each sensor and a mercury thermometer across the range of 33 to 41 degrees C. This was performed immediately, and 14 to 18 months, after factory calibration. (2) Linear regression equations were created and used to correct sensor readings at approximately 37 degrees C; the corrected value was compared with the mercury thermometer. (3) Linear regression equations were created for each sensor using 2 to 5 data points. MAIN OUTCOME MEASURES: Systematic bias and random error (95%). RESULTS: (1) Systematic bias + or - random error (95%) was 0.73% + or - 0.23% ( approximately 0.27 + or - 0.09 degrees C) and 0.54% + or - 0.28% ( approximately 0.22 + or - 0.11 degrees C) immediately and 14 to 18 months post factory calibration, respectively. (2) Regression correction improved agreement through reductions in systematic bias. (3) Individualized equations using a minimum of 3 comparisons were required to reduce agreement to + or - 0.10 degrees C; the use of 5 comparisons minimized the number of readings exceeding + or - 0.10 degrees C. CONCLUSIONS: (1) The CorTemp system inflates temperature measurements compared with a mercury thermometer. (2) Individual sensor calibration is warranted. (3) Correction equations should use a minimum of 3, preferably 5, comparisons. After regression correction, the system displays satisfactory accuracy for preventative 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».