MétaCan
Menu
Retour à la cohorte
Enregistrement W3205363519 · doi:10.1109/icra48506.2021.9561489

A Low-cost Intrinsically Safe Mechanism for Physical Distancing Between Clinicians and Patients

2021· article· en· W3205363519 sur OpenAlexaff
Abed Soleymani, Ali Torabi, Mahdi Tavakoli

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSoft Robotics and Applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Computer scienceWorkloadRisk analysis (engineering)TeleroboticsDistancingHuman–computer interactionSimulationMechanism (biology)Quality (philosophy)Computer securityArtificial intelligenceCoronavirus disease 2019 (COVID-19)MedicineRobot

Résumé

récupéré en direct d'OpenAlex

During the COVID-19 pandemic, due to the unprecedented workload and cross-infection hazard, the health-care workers’ lives are under a significant threat. However, minimizing the duration and frequency of close clinician-to-patient contacts using simple technologies that enable physical distancing could reduce the risk of spreading the disease. In this context, this paper presents the conceptual design and preliminary assessment of a low-cost and intrinsically safe remote service delivery platform that can assist clinicians in doing various tasks at a safe distance from patients. This mechanism is capable of manipulating objects in three-dimensional Cartesian space and can be adapted to handling a wide variety of medical devices. Moreover, its passive weight-compensating design provides the mechanism with high maneuverability, enhanced dynamic manipulability, and better force feedback quality. The advantages and effectiveness of the proposed mechanism are demonstrated through experiments. In the experiment, an ultrasound probe is mounted at the end effector of the device to perform an imaging task from a safe distance. Due to the existence of the force feedback, the user could remotely manipulate the ultrasound probe for having a successful vertical and pivot scanning to get high-quality images with a low physical and mental demand.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,489
Score d'incertitude au seuil0,299

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,012
Tête enseignante GPT0,248
Écart entre enseignants0,236 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoft Robotics and ApplicationsTravaux en français237 207