MétaCan
Menu
Retour à la cohorte
Enregistrement W3166259992 · doi:10.1049/pbhe026e_ch14

Biosensors in healthcare: an overview

2020· book-chapter· en· W3166259992 sur OpenAlexaff
R. Indrakumari, T. Poongodi, Fadi Al‐Turjman

Notice bibliographique

RevueIET eBooks · 2020
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueElectrochemical sensors and biosensors
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésBiosensorRespiratory monitoringNanotechnologyComputer scienceBiomedical engineeringMedicineMaterials scienceRespiratory systemInternal medicine

Résumé

récupéré en direct d'OpenAlex

This chapter reviews the history of biosensors, its principles, materials used, and its application in glucose monitoring and respiratory airflow monitoring. Chapter Contents: 14.1 Introduction 14.2 Monitoring principles: transducers 14.3 Diabetes and the need for glucose monitoring 14.4 Biosensor for monitoring glucose 14.5 Historical perspectives of glucose biosensors 14.5.1 First generation of glucose biosensor 14.5.2 Second generation of glucose biosensors 14.5.3 Third generation of glucose biosensors 14.5.4 Continuous glucose monitoring systems 14.5.5 Noninvasive glucose monitoring system 14.6 Respiratory airflow monitoring sensor 14.6.1 Pressure and acoustic sensing devices 14.6.2 Thermal flow sensors 14.6.3 Humidity sensors 14.6.4 CO2 sensors 14.6.5 Indirect sensors 14.6.6 Torso devices 14.6.7 Magnetometry 14.6.8 Respiratory inductance plethysmograph 14.6.9 Strain gauge 14.6.10 Transthoracic impedance plethysmograph 14.6.11 Electrocardiographic sensor 14.6.12 Electromyographic sensors 14.6.13 Photoplethysmographic sensor 14.7 Conclusion References Inspec keywords: biomedical equipment; patient monitoring; biochemistry; biosensors; health care; sugar; pneumodynamics Other keywords: glucose monitoring; healthcare; respiratory airflow monitoring; biosensors Subjects: Physical chemistry of biomolecular solutions and condensed states; Biosensors; Haemodynamics, pneumodynamics; Biomedical measurement and imaging; Biosensors; Biomedical engineering

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0020,002
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,009

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 Opus0,038
Tête enseignante GPT0,244
Écart entre enseignants0,205 · 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'étudeSans objet
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET eBooksMême sujetElectrochemical sensors and biosensorsTravaux en français237 207