MétaCan
Menu
Retour à la cohorte
Enregistrement W2602359960 · doi:10.1080/14737159.2017.1310619

Portable devices and mobile instruments for infectious diseases point-of-care testing

2017· review· en· W2602359960 sur OpenAlexaff
Luc Bissonnette, Michel G. Bergeron

Notice bibliographique

RevueExpert Review of Molecular Diagnostics · 2017
Typereview
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésSoftware portabilityPoint-of-care testingPoint of careTurnaround timeComputer scienceMobile deviceHealth careRisk analysis (engineering)MedicineData scienceWorld Wide WebPathology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Rapidity, simplicity, and portability are highly desirable characteristics of tests and devices designed for performing diagnostics at the point of care (POC), either near patients managed in healthcare facilities or to offer bioanalytical alternatives in external settings. By reducing the turnaround time of the diagnostic cycle, POC diagnostics can reduce the dissemination, morbidity, and mortality of infectious diseases and provide tools to control the global threat of antimicrobial resistance. Areas covered: A literature search of PubMed and Google Scholar, and extensive mining of specialized publications, Internet resources, and manufacturers' websites have been used to organize and write this overview of the challenges and requirements associated with the development of portable sample-to-answer diagnostics, and showcase relevant examples of handheld devices, portable instruments, and less mobile systems which may or could be operated at POC. Expert commentary: Rapid (<1 h) diagnostics can contribute to control infectious diseases and antimicrobial resistant pathogens. Portable devices or instruments enabling sample-to-answer bioanalysis can provide rapid, robust, and reproducible testing at the POC or close from it. Beyond testing, to realize some promises of personalized/precision medicine, it will be critical to connect instruments to healthcare data management systems, to efficiently link decentralized testing results to the electronic medical record of patients.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,005

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 Opus0,024
Tête enseignante GPT0,330
Écart entre enseignants0,306 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Review of Molecular DiagnosticsMême sujetBiosensors and Analytical DetectionTravaux en français237 207