MétaCan
Menu
Retour à la cohorte
Enregistrement W4235693680 · doi:10.32920/14639742.v1

Wearable Hardware Design for the Internet of Medical Things (IoMT)

2021· preprint· en· W4235693680 sur OpenAlexafffund
Fayez Qureshi, Sridhar Krishnan

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueGreen IT and Sustainability
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesCanada Research Chairs
Mots-clésWearable computerBiosignalWearable technologyContext (archaeology)Computer scienceLife expectancyHealth careThe InternetHuman–computer interactionInternet privacyQuality (philosophy)MultimediaWirelessEmbedded systemMedicineWorld Wide WebTelecommunicationsPopulation

Résumé

récupéré en direct d'OpenAlex

As the life expectancy of individuals increases with recent advancements in medicine and quality of living, it is important to monitor the health of patients and healthy individuals on a daily basis. This is not possible with the current health care system in North America, and thus there is a need for wireless devices that can be used from home. These devices are called biomedical wearables, and they have become popular in the last decade. There are several reasons for that, but the main ones are: expensive health care, longer wait times, and an increase in public awareness about improving quality of life. With this, it is vital for anyone working on wearables to have an overall understanding of how they function, how they were designed, their significance, and what factors were considered when the hardware was designed. Therefore, this study attempts to investigate the hardware components that are required to design wearable devices that are used in the emerging context of the Internet of Medical Things (IoMT). This means that they can be used, to an extent, for disease monitoring through biosignal capture. In particular, this review study covers the basic components that are required for the front-end of any biomedical wearable, and the limitations that these wearable devices have. Furthermore, there is a discussion of the opportunities that they create, and the direction that the wearable industry is heading in.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,975
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,025
Tête enseignante GPT0,253
Écart entre enseignants0,227 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetGreen IT and SustainabilityTravaux en français237 207