A Platform to Record Patient Events During Physiological Monitoring With Wearable Sensors: Proof-of-Concept Study
Notice bibliographique
Résumé
BACKGROUND: Patient journals have been used as valuable resources in clinical studies. However, the full potential value of such journals can be undermined by inefficiencies and ambiguities associated with handwritten patient reports. The increasing number of mobile phones and mobile-based health care approaches presents an opportunity to improve communications from patients to clinicians and clinical researchers through the use of digital patient journals. OBJECTIVE: The objective of this project was to develop a smartphone-based platform that would enable patients to record events and symptoms on the same timeline as clinical data collected by wearable sensors. METHODS: This platform consists of two major components: a smartphone for patients to record their journals and wireless sensors for clinical data collection. The clinical data and patient records are then exported to a clinical researcher interface, and the data and journal are processed and combined into a single time-series graph for analysis. This paper gives a block diagram of the platform's principal components and compares its features to those of other methods but does not explicitly discuss the process of design or development of the system. RESULTS: As a proof of concept, body temperature data were obtained in a 4-hour span from a 22-year-old male, during which the subject simultaneously recorded relevant activities and events using the iPhone platform. After export to a clinical researcher's desktop, the digital records and temperature data were processed and fused into a single time-series graph. The events were filtered based on specific keywords to facilitate data analysis. CONCLUSIONS: We have developed a user-friendly patient journal platform, based on widely available smartphone technology, that gives clinicians and researchers a simple method to track and analyze patient activities and record the activities on a shared timeline with clinical data from wearable devices.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».