Automatic Energy Food Estimation In Elderly People With Neurodegenerative Disorders
Notice bibliographique
Résumé
Dementia has been an increasing trend with an increase in the population of elderly people, and WHO estimates that the number of individuals with dementia doubles every 20 years. There is no curative solution for dementia, but non-drug approaches can improve patient quality of life. In nursing homes (NH) almost 86% of patients with advanced dementia have problems eating and they need eating assistance. Patients with cognition impairment sometimes confuse food and they do not know when and how much they should eat and drink, so it leads to dehydration and malnutrition which cause weight loss, infection, decreased quality of life and increased risk of death. So, 24-hours caregivers are needed in this situation, and it is so hard for caregivers. Patients with dementia can live easier in the familiar environment, so ATs (Assistive Technologies) can help patients and caregivers to live in their own homes if possible. One of the approaches for monitoring eating activity of people with dementia is calculating calorie of food, the aim of this research is working on it. There are different approaches for measuring calorie of food but most of them depend on the user or they do not consider human value and ethical considerations in their design. Patients with dementia lose their autonomy, so they need an automatic system for calculating calorie of food. The objective of this research is to provide the state of art of the energy food estimation in elderly people with dementia. This study will be a good start for defining our own approaches in the domain.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».