MétaCan
Menu
Retour à la cohorte
Enregistrement W4224285238 · doi:10.1097/oi9.0000000000000189

Sensors and digital medicine in orthopaedic surgery

2022· article· en· W4224285238 sur OpenAlexaff
Géraldine Merle, Alexandre Parent-Harvey, Edward J. Harvey

Notice bibliographique

RevueOTA International The Open Access Journal of Orthopaedic Trauma · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensMcGill UniversityÉcole de Technologie SupérieureUniversité de MontréalPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésDigital healthHealth careMedicineThe InternetData acquisitionRelevance (law)Medical emergencyComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Digital health principles are starting to be evident in medicine. Orthopaedic trauma surgery is also being impacted -indirectly by all other improvements in the health ecosystem but also in particular efforts aimed at trauma surgery. Data acquisition is changing how evidence is gathered and utilized. Sensors are the pen and paper of the next wave of data acquisition. Sensors are gathering wide arrays of information to facilitate digital health relevance and adoption. Early adaption of sensor technology by the nonlegacy health environment is what has made sensor driven data acquisition so palatable to the normal health care system. As it applies to orthopaedic trauma, current sensor driven diagnostics and surveillance are nowhere near as developed as in the larger medical community. Digital health is being explored for health care records, data acquisition in diagnostics and rehabilitation, wellness to health care translation, intraoperative monitoring, surgical technique improvement, as well as some early-stage projects in long-term monitoring with implantable devices. The internet of things is the next digital wave that will undoubtedly affect medicine and orthopaedics. Internet of things (loT) devices are now being used to enable remote health monitoring and emergency notification systems. This article reviews current and future concepts in digital health that will impact trauma care.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,348
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,231
Tête enseignante GPT0,467
Écart entre enseignants0,237 · 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.

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

Citations17
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOTA International The Open Access Journal of Orthopaedic TraumaMême sujetArtificial Intelligence in Healthcare and EducationTravaux en français237 207