MétaCan
Menu
Retour à la cohorte
Enregistrement W2766461104 · doi:10.5772/intechopen.71111

HAPTIC: Haptic Anatomical Positioning to Improve Clinical Monitoring

2017· book-chapter· en· W2766461104 sur OpenAlexaff
Daniel M. Gay-Betton, Parisa Alirezaee, Jeremy R. Cooperstock, Joseph J. Schlesinger

Notice bibliographique

RevueInTech eBooks · 2017
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueHealthcare Technology and Patient Monitoring
Établissements canadiensMcGill UniversityCentre for Interdisciplinary Research in Music Media and Technology
Organismes subventionnairesnon disponible
Mots-clésHaptic technologyWearable computerALARMPhysical medicine and rehabilitationHuman–computer interactionHaptic perceptionWristComputer scienceMedicineSimulationEngineeringEmbedded systemSurgery

Résumé

récupéré en direct d'OpenAlex

Hospitals are inundated by the sounds of patient monitoring devices and alarms. These are meant to help, yet also create a stressful environment for physicians and patients. To address this issue, we consider the possibility of delivering complementary haptic alarm stimuli via a wearable tactile display. This may reduce the necessity for the plethora of audible alarms in the Intensive Care Unit and Operating Room, potentially decreasing fatigue among clinicians, and improving sleep quality for patients. The study described here sought to determine a suitable anatomical location where such a tactile display could be worn. Although the wrist is an obvious default, based on the success of smartwatches and fitness monitors, wearable devices below the elbow are disallowed in aseptic procedural environments. We hypothesized that haptic perception would be approximately equivalent at the wrist and ankle, and confirmed this experimentally. Thus, for a healthcare setting, we suggest that the ankle is a suitable alternative for the placement of a tactile display.

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)0,000
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0260,010

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 Opus0,082
Tête enseignante GPT0,391
Écart entre enseignants0,309 · 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
GenreMéthodes

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

En bref

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInTech eBooksMême sujetHealthcare Technology and Patient MonitoringTravaux en français237 207