MétaCan
Menu
Retour à la cohorte
Enregistrement W3095083641 · doi:10.1002/aisy.202000200

Inverse Pneumatic Artificial Muscles for Application in Low‐Cost Ventilators

2020· article· en· W3095083641 sur OpenAlexaff
Seyed M. Mirvakili, Douglas Sim, Róbert Langer

Notice bibliographique

RevueAdvanced Intelligent Systems · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMechanical ventilatorMechanical ventilationTidal volumeVolume (thermodynamics)Artificial respirationPipeline (software)Ventilation (architecture)Range (aeronautics)Computer scienceAutomotive engineeringMechanical engineeringEngineeringMedicineAnesthesiaRespiratory systemPhysics

Résumé

récupéré en direct d'OpenAlex

The procurement and maintenance cost of high‐end ventilators preclude their stockpiles sufficient for the mass emergency situations. Therefore, there is a significant demand for mechanical ventilators in such situations. Herein, a low‐cost, portable, yet high‐performance design for a volume‐controlled mechanical ventilator is proposed. Pneumatic artificial muscles, such as air cylinders, are used in the inverse mode of operation to achieve mechanical ventilation. With the current design, the two fundamental modes of operation (controlled mode and assisted mode) are demonstrated. Unlike most intensive care unit ventilators, the proposed device does not need a high‐pressure air pipeline to operate. The device is capable of mechanical ventilation for respiration rate ranging from 10 to 30 b min −1 with a tidal volume ( VT ) range of 150–1000 mL and the I:E ratio of 1:1–1:5. A total cost of less than $400 USD is achieved to make one device. The cost to produce the device in larger volumes can be estimated to be less than $250 USD.

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)0,000
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,032
Tête enseignante GPT0,253
Écart entre enseignants0,222 · 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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Intelligent SystemsMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207