MétaCan
Menu
Retour à la cohorte
Enregistrement W2537104062 · doi:10.1109/iembs.2004.1403871

Using telehealth technology to improve the delivery of health services to people who are deaf

2005· article· en· W2537104062 sur OpenAlexafffund
Glen Hughes, B. Hudgins, J. MacDougall

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueHearing Impairment and Communication
Établissements canadiensCanadian Fitness and Lifestyle Research InstituteUniversity of New Brunswick
Organismes subventionnairesCanarie
Mots-clésInterpreterTelehealthSign languageSign (mathematics)TelemedicineComputer scienceHealth careMultimediaMedical educationMedical emergencyNursingMedicine

Résumé

récupéré en direct d'OpenAlex

The use of technology to access sign language interpreters from a remote location can have a significant impact on the timely access of such services for people who are deaf. The potential integration of such services is contingent on factors such as the availability of suitable equipment and the acceptance of the technological solution by people who are deaf, sign language interpreters and the health professionals. A system was assembled to address the needs of the users while maintaining focused on the requirement of the system being feasible such that it remains an option for small clinics and even medical offices. The technological solution was tested using simulated sessions involving people who are deaf, health professionals and sign language interpreters. The sessions simulated typical health conditions seen in hospital emergency rooms, medical clinics and doctor offices. Data collected from all participants indicate the technology proved to be acceptable in most simulated situations.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,764
Score d'incertitude au seuil0,941

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,033
Tête enseignante GPT0,372
Écart entre enseignants0,339 · 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

Citations9
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetHearing Impairment and CommunicationTravaux en français237 207