MétaCan
Menu
Retour à la cohorte
Enregistrement W3017691845 · doi:10.1002/mds3.10086

A novel non‐invasive wearable sensor for intraocular pressure measurement

2020· article· en· W3017691845 sur OpenAlexafffund
Angelica Campigotto, Yongjun Lai

Notice bibliographique

RevueMedical Devices & Sensors · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueGlaucoma and retinal disorders
Établissements canadiensQueen's University
Organismes subventionnairesQueen's University
Mots-clésIntraocular pressureGlaucomaMedicinePressure sensorOphthalmologyOptic nerveWearable computerComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Glaucoma is a chronic eye disease where an increase in intraocular pressure (IOP) permanently damaging the optic nerve leading to irreversible vision loss. Intraocular pressure is the main factor for monitoring the progression of glaucoma and has been found to fluctuate throughout the day. A continuous monitoring system can track the fluctuations in the intraocular pressure throughout the day, improving the management of the disease. A novel non‐invasive wearable sensor was created to monitor the fluctuating corneal curvature of the eye and directly relate the deformation to the intraocular pressure. The wearable sensor was able to capture on average 40.8 µm/mmHg with a standard deviation of 29.4 in fluid location per increase in intraocular pressure with an ability to return over 80% back to its original position indicating a good ability to accurately track the fluctuations in the IOP.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,027
Tête enseignante GPT0,259
Écart entre enseignants0,233 · 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

Citations20
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical Devices & SensorsMême sujetGlaucoma and retinal disordersTravaux en français237 207