MétaCan
Menu
Retour à la cohorte
Enregistrement W2400504751 · doi:10.3233/978-1-61499-289-9-362

Real-time Multidimensional Temporal Analysis of Complex High Volume Physiological Data Streams in the Neonatal Intensive Care Unit

2013· article· en· W2400504751 sur OpenAlexafffund
Carolyn McGregor, Mike Eklund, Daby Sow, Maria Ebling, Marion Blount

Notice bibliographique

RevueStudies in health technology and informatics · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueHealthcare Technology and Patient Monitoring
Établissements canadiensOntario Tech University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésComputer scienceAnalyticsNeonatal intensive care unitFeature (linguistics)Task (project management)Volume (thermodynamics)Intensive careData miningIntensive care unitReal-time computingData stream miningMedicineIntensive care medicinePediatrics

Résumé

récupéré en direct d'OpenAlex

The intensive care of immature preterm infants is a challenging, dynamic clinical task that is complicated because these infants frequently develop a range of comorbidities as they grow and develop after their premature birth. Earliest reliable condition onset detection is a goal within this setting and high frequency physiological analysis is showing potential new pathophysiological indicators for earlier onset detection of several conditions. To realise this, a platform for multi-stream, multi-condition, multi-feature risk scoring is required. In this paper we demonstrate our multi-stream online analytics approach for condition onset detection and demonstrate a user interface approach for patient state that can be available in real-time to support condition risk scoring.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,311
Score d'incertitude au seuil0,441

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,145
Tête enseignante GPT0,407
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 tête enseignante, 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

Citations13
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStudies in health technology and informaticsMême sujetHealthcare Technology and Patient MonitoringTravaux en français237 207