MétaCan
Menu
← Retour à la cohorte
Enregistrement W4241282383 · doi:10.32920/ryerson.14647107.v1

Pediatric clinical exercise testing system project

2021· preprint· en· W4241282383 sur OpenAlexaff
Ahmad Jouni

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueCardiovascular and exercise physiology
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésTest (biology)Computer scienceSimulationMedicineVentilation (architecture)Port (circuit theory)Engineering

Résumé

récupéré en direct d'OpenAlex

Commercially made exercise testing equipments are designed for testing adults with greater exercise capacity and relatively large minute ventilation compared to pediatric population. As the size of breaths becomes smaller and irregular, as in small children with pulmonary diseases, measurement delay errors may introduce errors to the final results in the exercise testing system. For this reason, a custom made Exercise System was built at the Exercise Laboratory Department at the Hospital for Sick Children. It incorporates a special algorithm that corrects measurement delay errors caused by small breaths. The algorithm calculates the lag time of the expired breath to reach the sampling port and re-aligns the gas concentration reading in time with the corresponding real-time recording of the breath. The Exercise System is currently used for clinical and research purposes. The system shows satisfactory results for adult testing; however, the system requires validation of increase in accuracy of results for testing in pediatrics, especially for ill patients with very small tidal volumes. The main objective of this study is to demonstrate that incorporating the lag time in the algorithm to process and calculate the oxygen (0₂) consumption improves the accuracy of the results in small children exercise testing. In addition, investigate the theory and operation of the Exercise System and document the system designs and testing results for publishing purposes.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,154

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0460,022

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 Opus0,098
Tête enseignante GPT0,363
Écart entre enseignants0,265 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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'admission1
Résumé présentoui

Explorer davantage

Même sujetCardiovascular and exercise physiology→Travaux en français237 207→