MétaCan
Menu
Retour à la cohorte
Enregistrement W2161833896 · doi:10.1080/14622200701485026

Digital image analysis of cigarette filter staining to estimate smoke exposure

2007· article· en· W2161833896 sur OpenAlexaff
Richard J. O’Connor, Lynn T. Kozlowski, David Hammond, Tammy T. Vance, Joseph P. Stitt, K. Michael Cummings

Notice bibliographique

RevueNicotine & Tobacco Research · 2007
Typearticle
Langueen
DomaineComputer Science
ThématiqueImage Enhancement Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesAmerican Cancer SocietyU.S. Department of Health and Human Services
Mots-clésLibrary sciencePopulationArtMedicineHumanitiesEnvironmental healthComputer science

Résumé

récupéré en direct d'OpenAlex

Sufficient variation exists in how people smoke each cigarette that the number of cigarettes smoked daily and the years of smoking represent only crude measures of exposure to the toxins in tobacco smoke. Previous research has shown that spent cigarette filters can provide information about how individuals smoke cigarettes. Digital image analysis has been used to identify filter vent blocking and may also provide an inexpensive, unobtrusive index of overall smoke exposure. A total of 1,124 cigarette butts smoked by 53 participants in a smoking topography study were imaged and analyzed. Imaging showed test-retest reliability of more than 95% among those smoking their own brand. Mean color scores (CIELAB system) showed acceptable stability (>.60) across days, paralleling the basic stability of smoking topography measures across waves. A principal components scoring showed that center tar staining, edge tar staining, and their interaction were significantly related to total smoke volume, accounting for 73% of the variation. Estimated smoke volume was a significant predictor of salivary cotinine when accounting for cigarettes smoked per day. These data suggest that digital image analysis of spent cigarette butts can serve as a reliable proxy measure of total smoke volume.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,406
Écart entre enseignants0,356 · 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'étudeExpérimental (laboratoire)
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

Citations24
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNicotine & Tobacco ResearchMême sujetImage Enhancement TechniquesTravaux en français237 207