Use of Facial Morphology to Determine Nutritional Status in Older Adults: Opportunities and Challenges
Notice bibliographique
Résumé
Undiagnosed malnutrition is a significant problem in high-income countries, which can reduce the quality of life of many individuals, particularly of older adults. Moreover, it can also inflate the costs of existing health care systems because of the many metabolic complications that it can cause. The current methods for assessing malnutrition can be cumbersome. A trained practitioner must be present to conduct an assessment, or patients must travel to facilities with specialized equipment to obtain their measurements. Therefore, digital health care is a possible way of closing this gap as it is rapidly gaining traction as a scalable means of improving efficiency in the health care system. It allows for the remote monitoring of nutritional status without requiring the physical presence of practitioners or the use of advanced medical equipment. As such, there is an increasing interest in expanding the range of digital applications to facilitate remote monitoring and management of health issues. In this study, we discuss the feasibility of a novel digital remote method for diagnosing malnutrition using facial morphometrics. Many malnutrition screening assessments include subjective assessments of the head and the face. Facial appearance is often used by clinicians as the first point of qualitative indication of health status. Hence, there may be merit in quantifying these subtle but observable changes using facial morphometrics. Modern advancements in artificial intelligence, data science, sensors, and computing technologies allow facial features to be accurately digitized, which could potentially allow these previously intuitive assessments to be quantified. This study aims to stimulate further discussion and discourse on how this emerging technology can be used to provide real-time access to nutritional status. The use of facial morphometrics extends the use of currently available technology and may provide a scalable, easily deployable solution for nutritional status to be monitored in real time. This will enable clinicians and dietitians to keep track of patients remotely and provide the necessary intervention measures as required, as well as providing health care institutions and policy makers with essential information that can be used to inform and enable targeted public health approaches within affected populations.
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 | 0,009 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».