MétaCan
Menu
Retour à la cohorte
Enregistrement W3082755028 · doi:10.2196/22524

Infrared Thermal Imaging of Patients With Acute Upper Respiratory Tract Infection: Mixed Methods Analysis

2020· article· en· W3082755028 sur OpenAlexvenueno aff
Zuopeng Zhang, Zanfeng Cao, Fangge Deng, Zhanzheng Yang, Sige Ma, Qianting Guan, Rong Liu, Zhuosen He

Notice bibliographique

RevueInteractive Journal of Medical Research · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueInfrared Thermography in Medicine
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUpper respiratory tract infectionRespiratory tractMedicineRespiratory tract infectionsIncidence (geometry)Respiratory systemIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Upper respiratory tract infection is a common disease of the respiratory system. Its incidence is very high, and it can even cause pandemics. Infrared thermal imaging (IRTI) can provide an objective and quantifiable reference for the visual diagnosis of people with acute respiratory tract infection, and it can function as an effective indicator of clinical diagnosis. OBJECTIVE: The aims of this study are to observe and analyze the infrared expression location and characteristics of patients with acute upper respiratory tract infection through IRTI technology and to clearly express the quantification of temperature, analyze the role of IRTI in acute upper respiratory tract diagnostic research, and understand the impact of IRTI in qualitative and quantitative research. METHODS: From December 2018 to February 2019, 154 patients with acute upper respiratory tract infection were randomly selected from the emergency department of the First Affiliated Hospital of Guangzhou Medical University. Among these patients, 73 were men and 81 were women. The subjects were divided into two groups according to the presence of fever, namely, fever and nonfever groups. Qualitative and quantitative analyses of the infrared thermal images were performed to compare the results before and after application of the technology. RESULTS: Using the method described in this paper, through the analysis of experimental data, we elucidated the role of IRTI in the diagnosis of acute upper respiratory tract infection, and we found that qualitative and quantitative IRTI analyses play important roles. Through the combination of theory and experimental data, the IRTI analysis showed good results in identifying acute upper respiratory tract infection. CONCLUSIONS: IRTI technology plays an important role in identifying the infrared expression location and characteristics of patients with acute upper respiratory tract infection as well as in the quantification of clear expression of body temperature, and it provides an objective and quantifiable reference basis for elucidating the pathogenesis of these patients.

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)0,010
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,457
Écart entre enseignants0,413 · 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'étudeObservationnel
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

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInteractive Journal of Medical ResearchMême sujetInfrared Thermography in MedicineTravaux en français237 207