MétaCan
Menu
← Retour à la cohorte
Enregistrement W2475393309 · doi:10.4018/978-1-60960-183-6.ch009

Mobile Solutions for Managing Health Care

2011· book-chapter· en· W2475393309 sur OpenAlexaff
Esko Alasaarela, Ravi Nemana, Steven DeMello, Nick Oliver, Masako Miyazaki

Notice bibliographique

RevueIGI Global eBooks · 2011
Typebook-chapter
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésHealth careWirelessKey (lock)Process (computing)BusinessHealth promotionQuality (philosophy)Process managementKnowledge managementMedicineNursingComputer scienceTelecommunicationsPublic healthComputer securityPolitical science

Résumé

récupéré en direct d'OpenAlex

Wirhe project is an international collaborative study that focused on the future of healthcare needs, technology requirements and solutions for effective use of wireless platform for health care delivery. In this chapter, the authors present results of a Wirhe survey of 85 experts and individual interviews with 35 experts. The authors asked their opinions on the current status of adopting wireless equipment in health care, unmet needs in serving hospital in-patients and outpatients, and their views on the incorporation of wireless platform for future health care delivery and personal health management. Key findings are that 1) both remarkable quality improvements and process enhancements can be expected from thoroughly utilizing the wireless technologies and mobile solutions, 2) integration of personal health monitoring and professional health management is a key issue to be addressed and 3) health promotion and illness prevention will grow by utilizing mobile solutions. As a result of this study, they propose a framework that can be used in developing wireless health care solutions for managing diseases and related health problems. It can also be used to structure and stratify the needs by importance and utility, to anticipate which technologies and solutions are needed next, and to estimate how large the market size may be for industries.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0250,011

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 Opus0,073
Tête enseignante GPT0,399
Écart entre enseignants0,326 · 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'étudeSans objet
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

Citations1
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIGI Global eBooks→Même sujetMobile Health and mHealth Applications→Travaux en français237 207→