Application of the Modified Real-Time Medical Information Standard for U-Healthcare Systems by Using HL7 and Modified MFER(TS-MFER)
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
U-healthcare 환경에서는 시간, 장소에 무관하게 사용자의 건강을 관리해준다. 이를 위해 이기종 의료 장비간 정보공유와 호환성 보장을 위한 의료 정보 표준화는 필수다. 적합한 표준이란 다양한 타입의 정보와 장비의 특성을 포괄하며 적용이 쉬운 표준이다. HL7은 대표적 예이지만 비텍스트 기반 신호, 특히 파형 정보를 다루는 데부족한 점이 있다. 이 점을 보완하기 위해 JAHIS에서 의료 파형에 적합한 표준(MFER)을 제시하였다. MFER은 파형정보 측면에서 HL7이 가지지 못한 장점을 가지고 있으나 실시간 적용에는 적합하지 않다. U-healthcare system의 본래 목적상 실시간 응용에 대한 요구는 크다. 따라서 앞의 표준들의 장점은 유지하고 단점은 보완할 수 있는 표준이 필요하다. 본 논문에서는 첫째, U-healthcare system을 위한 의료 정보 표준중 대표적인 HL7, MFER에 대한 리뷰와 두 표준관련 연구 동향을 소개한다. 둘째, 앞의 표준을 수정하여 실시간 응용에도 접목할 수 있는 scheme(TS-MFER with HL7)을 제안하고 실제 적용 결과를 제시한다. U-healthcare is maintaining of users' health without limitations from where and when they are. As it is important to guarantee compatibility between heterogeneous systems in U-healthcare, a medical information standard is compulsory. An adequate standard means that it is easy to understand and it can cover wide range of information types and various medical devices. Among them, HL7(Helath Level 7) has those traits, but HL7 is not adequate for non-text message, especially for medical waveform. JAHIS suggested an appropriate standard, that is MFER. MFER has many advantages for representation of medical waveform, but it is still not good for real-time applications. In U-healthcare, there are lots of needs for real-time application, so we need a standard that can have useful properties of MFER and HL7, and support real-time. In this article, there are two main topics. The first one is introducing MFER and HL7. Second, the new scheme(TS-MFER with HL7) is developed by modifying MFER and HL7 for real-time applications.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,005 |
| Science ouverte | 0,001 | 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