The Social Robots Are Coming: Preparing for a New Wave of Virtual Care in Cardiovascular Medicine
Notice bibliographique
Résumé
ardiovascular care centers around the world struggle to keep pace with an aging population with complex medical needs, the requirement for physical distancing, and limited hospital resources rerouted to the acute management of COVID-19.The need for innovative, efficient, and efficacious virtual care systems is now more important than ever.Social robots (SRs) may rise to the challenge.SRs are artificial agents physically embodied with human or animal features and imbued with social and emotional intelligence.1 In health care applications, SRs act as a social companion and medical assistant to patients who have limited access to health care or home support services, those who are reticent to onsite hospital visits, or who require frequent follow-ups with health care providers.SRs are equipped with artificial intelligence technology that allows the system to mimic patient-provider encounters, such as recognizing voices, providing eye contact, interpreting and responding appropriately to verbal and nonverbal cues, and adapting to the user's feedback, technology that has been leveraged to help the SR facilitate the detection of important changes in patients' behavior and health status.Today, SRs predominantly supplement gerontological services in patients' and long-term care homes, providing cognitive and social stimulation, supporting medication management, assisting with daily living tasks, and facilitating communication with the appropriate care provider or emergency responder.Recent iterations are now capable of screening for specific health conditions, including alcoholism and prediabetes, while embedded technolo-
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,004 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».