MétaCan
Menu
Retour à la cohorte
Enregistrement W2904377877 · doi:10.1109/access.2018.2886818

ISO/IEEE 11073 Personal Health Device (X73-PHD) Standards Compliant Systems: A Systematic Literature Review

2018· article· en· W2904377877 sur OpenAlexaff
Hawazin Faiz Badawi, Fedwa Laamarti, Abdulmotaleb El Saddik

Notice bibliographique

RevueIEEE Access · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueHealthcare Technology and Patient Monitoring
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésStandardizationComputer scienceScopusSet (abstract data type)Systematic reviewHealth careEngineering managementMEDLINEEngineeringOperating system

Résumé

récupéré en direct d'OpenAlex

Since the introduction of the ISO/IEEE 11073 personal health device (X73-PHD) standards, as part of ISO/IEEE 11073 family of standards, it has been applied to many health systems developed for personal use. In this systematic literature review, we review existing literature collected using three databases: Scopus, Pub Med, and Web of Science. We propose a classification for personal health systems based on the location in which they are used, the technology used to develop them, and the purpose which is determined by the targeted users. We found 51% of the devices used in such systems are standardized while approximately 40% are not and five systems did not specify the device status (9%). Various adaption techniques were used for standardization. Besides, the pulse oximeter is the most used device in such systems since it was used in 43% of them. In addition, we present the role of the X73-PHD standards in the Internet of Things (IoT) and tele-healthcare systems, discuss the challenges of utilizing this set of standards in health monitoring systems and converting the non-standardized devices into standardized ones. Finally, we propose the requirements of personal health systems based on our review of the literature.

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)0,020
score de la tête « metaresearch » (Gemma)0,083
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,083
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0060,006
Bibliométrie0,0380,027
Études des sciences et des technologies0,0020,001
Communication savante0,0030,004
Science ouverte0,0030,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,110
Tête enseignante GPT0,430
Écart entre enseignants0,320 · 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'étudeRevue systématique
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

Citations29
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetHealthcare Technology and Patient MonitoringTravaux en français237 207