MétaCan
Menu
Retour à la cohorte
Enregistrement W2609483211 · doi:10.1093/sleepj/zsx050.745

0746 REVIEW OF A MULTISENSOR, LOW COST, AND UNOBTRUSIVE APPROACH TO DETECT MOVEMENTS IN SIT AND SLEEP

2017· review· en· W2609483211 sur OpenAlex
Y Lee, N. Beyzaei, Emmanuel K. Tse, Bernhard Kohn, Heinrich Garn, Gerhard Klösch, O. Ipsiroglu, H. Van der Loos

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueSLEEP · 2017
Typereview
Langueen
DomaineEngineering
ThématiqueFire Detection and Safety Systems
Établissements canadiensBC Children's HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-cléssyncComputer sciencePolysomnographyVideographyFeature (linguistics)ElectromyographyMovement (music)SimulationArtificial intelligenceComputer visionPhysical medicine and rehabilitationMedicineElectroencephalography

Résumé

récupéré en direct d'OpenAlex

Movement measurements in the Suggested Immobilization Test (SIT) and sleep recordings are typically measured by polysomnography (PSG) with electromyography (EMG). We investigated the viability of an alternate home-based recording system, SleepSmart, which combines sensing technologies integrated in a bed-sheet and 3D video to detect movements. Pilot study: 19 participants were administered the SIT in the Biomechanics Lab; the subject lay on an angled bed for 30 minutes and slept for up to 90 minutes. We used a combination of the Kinect videography system enabling conventional 2D and novel 3D-technology, a portable EMG device, and a mattress topper sheet fitted with flexible sensors. EMG data was recorded for both tibialis anterior muscles. The goal was to perform pilot testing on the integrated system to fine tune the procedure and equipment. Main findings: The 3-D video recordings enabled the study of movement developments, a novel feature not captured by 2-D video-recordings and/or EMG. Pitfalls in the EMG setup, overall protocol design, and data synchronization were encountered. Several requirements were identified to optimize the test-setup: (1) A millisecond-level time stamping system was needed to sync data between multiple modalities; this mechanism will support identification of movement characteristics (development and peak) for Periodic Limb Movements (PLM). (2) Reflective or light-absorbing artifacts should be removed to maintain video data integrity. (3) With the demonstrated effectiveness of the video-data characterization feature, the mattress-sensor framework should implement machine learning algorithms to automatically identify movement events. Based on findings, the mattress sensors are being replaced with newer sensors to improve performance. The switch from force-sensing resistors (FSRs) to accelerometers incorporates detection of physiological signals (heartbeat and breathing rate). Identification algorithms will include sleep apnea events. More pilot testing will be conducted to validate changes. Kids Brain Health Network (previously NeuroDevNet), AIT Austrian Institute of Technology, BC Children’s Hospital Foundation.

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.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,923
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
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 Opus0,043
Tête enseignante GPT0,298
Écart entre enseignants0,255 · 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