MétaCan
Menu
Retour à la cohorte
Enregistrement W3007365146 · doi:10.34010/telekontran.v7i2.1750

Telehomecare System Design with Interface Web

2020· article· en· W3007365146 sur OpenAlexaboutno aff
Meylanie Olivya

Notice bibliographique

RevueTelekontran Jurnal Ilmiah Telekomunikasi Kendali dan Elektronika Terapan · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology in Education and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceInterface (matter)Web serverTelehealthTelemedicineDatabase serverServerThe InternetWeb APIWorld Wide WebEmbedded systemDatabaseOperating systemHealth care

Résumé

récupéré en direct d'OpenAlex

Abstract – Introduced by the Ontario Telemedicine Network, the telehomecare program provides monitoring of patient parameters and training sessions. Telehomecare is a sub-field of telehealth that influences the delivery of health services to patients who use telecommunications technology and is often accelerated with long-distance patient distance in realtime. Telehomecare offers improved access to home care at lower costs and promises unique opportunities for home care patient empowerment and improved care outcomes. The telehomecare method that is designed is that there are various sensors that are used to find out biomedical data, the data is then converted by the sensor to a certain amount and sent to the process section, after processing the data is sent to the webserver with an intermediate wifi module that was previously connected to the internet, on the webserver the measured data can be observed through the website. The main purpose of making this telehomecare system is to make health monitoring tools that can be easily accessed through the website, used in patients who have conditions must be under intensive supervision at home. Data monitored is body temperature, pulse, body position using input from temperature sensors, pulsemeter sensors and accelerometer sensors. In this tool using microcontrollers, namely Arduino Uno and Esp 8266 W-iFi module (NodeMCU) which have been programmed to send sensors input data to the web server data sent to the web server will be displayed in a website interface. The database used as a webserver on this system is Firebase, because it is a realtime database. The results obtained from this study, for reading the desired health parameters can be read, were temperature sensor readings that reached 99.29%, and pulsemeter sensor readings which reached 99.178%. Keywords : Telehomecare, Website, Arduino Uno, NodeMCU, Webserver.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0290,006

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 Opus0,016
Tête enseignante GPT0,226
Écart entre enseignants0,210 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTelekontran Jurnal Ilmiah Telekomunikasi Kendali dan Elektronika TerapanMême sujetBlockchain Technology in Education and LearningTravaux en français237 207