MétaCan
Menu
Retour à la cohorte
Enregistrement W2626150824 · doi:10.4236/etsn.2017.62002

Validation of a Wearable Biometric System’s Ability to Monitor Heart Rate in Two Different Climate Conditions under Variable Physical Activities

2017· article· en· W2626150824 sur OpenAlexafffund
Chady Al Sayed, Ludwig Vinches, Stéphane Hallé

Notice bibliographique

RevueE-Health Telecommunication Systems and Networks · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Invasive Vital Sign Monitoring
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesFonds de recherche du Québec – Nature et technologies
Mots-clésBiometricsRelative humidityWearable computerHeart rateClothingHeart rate monitorEnvironmental scienceBiometric dataComputer scienceSimulationArtificial intelligenceMedicineMeteorologyGeographyEmbedded systemInternal medicine

Résumé

récupéré en direct d'OpenAlex

Research has proven the importance of cooling garments in reducing heat stress, especially for workers in extreme environments. The currently available cooling capacity of these garments should be controlled for improving their efficiency and autonomy. In this study, we investigated the Hexoskin wearable biometric shirt’s capacity to monitor heart rate. Twelve male volunteers wore a Hexoskin biometric shirt and Polar® H7 heart rate sensor and they completed two identical tests under two different climate conditions (25°C ± 0.5°C; 39% ± 1% relative humidity and 31°C ± 0.5°C; 60% ± 1% relative humidity). The results from four different statistical methods show a high correlation and an absence of significant differences between the Polar? and Hexoskin systems in monitoring the subjects’ heart rates. The Hexoskin wearable biometric shirt can be used to monitor the heart rate of humans in moderate or hot and humid climates under variable physical activities, regardless of their age, weight or height.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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)0,0010,001

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 Opus0,026
Tête enseignante GPT0,314
Écart entre enseignants0,288 · 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'étudeExpérimental (laboratoire)
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

Citations27
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueE-Health Telecommunication Systems and NetworksMême sujetNon-Invasive Vital Sign MonitoringTravaux en français237 207