MétaCan
Menu
← Retour à la cohorte
Enregistrement W2074009239 · doi:10.1109/iembs.2010.5626035

User inspection of National Taiwan University Hospital's telehealth care information system

2010· article· en· W2074009239 sur OpenAlexaff
Pei Hsuan Wu, Chi‐Huang Chen, Hui-Te Chen, Che-Hsuan Shu, Feng-Sheng Lin, Yi-Van Wang, Hao-Jhun Li, Yuan-Ting Wu, Feipei Lai

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésTelehealthUsabilityHealth carePerspective (graphical)Computer scienceHeuristicWork (physics)Heuristic evaluationHealthcare systemInformation systemNursingTelemedicineMedicineEngineeringHuman–computer interactionArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The telehealth care system has been important in the healthcare world for several decades; however, Taiwan only began work on telehealth care this past year. This paper outlines the effectiveness of the telehealth care system developed by the National Taiwan University Hospital (NTUH). The usability of the integrated telehealth care system was analyzed through of heuristic evaluation and its usefulness. By using the heuristic evaluation form as developed by Nielsen, it is possible to examine the telehealth care system from the user's perspective. In addition, in assessing the usefulness through lists of criteria, system developers can determine the pros and the cons of the database. Ultimately, the heuristic evaluation revealed several violations on the system, but are not prohibitive to the development of such as system. Similarly, evaluation of the usefulness comes out positive; despite the fact that the suggested changes proposed by the users can be said are the main weaknesses of the system. With some improvements, the telehealth care system can be used efficiently in NTUH's healthcare system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,043
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,043
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,270
Écart entre enseignants0,262 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations3
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTelemedicine and Telehealth Implementation→Travaux en français237 207→