MétaCan
Menu
Retour à la cohorte
Enregistrement W4319009136 · doi:10.3390/electronics12030750

Technological Advancements and Elucidation Gadgets for Healthcare Applications: An Exhaustive Methodological Review-Part-I (AI, Big Data, Block Chain, Open-Source Technologies, and Cloud Computing)

2023· article· en· W4319009136 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueElectronics · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésPandemicBig dataCloud computingHealth careData scienceRealmEmerging technologiesCoronavirus disease 2019 (COVID-19)Computer scienceMedicineInfectious disease (medical specialty)Political scienceArtificial intelligenceLawPathologyDisease

Résumé

récupéré en direct d'OpenAlex

In the realm of the emergence and spread of infectious diseases with pandemic potential throughout the history, plenty of pandemics (and epidemics), from the plague to AIDS (1981) and SARS (in 2003) to the bunch of COVID variants, have tormented mankind. Though plenty of technological innovations are overwhelmingly progressing to curb them—a significant number of such pandemics astounded the world, impacting billions of lives and posing uncovered challenges to healthcare organizations and clinical pathologists globally. In view of addressing these limitations, a critically exhaustive review is performed to signify the prospective role of technological advancements and highlight the implicit problems associated with rendering best quality lifesaving treatments to the patient community. The proposed review work is conducted in two parts. Part 1 is essentially focused upon discussion of advanced technologies akin to artificial intelligence, Big Data, block chain technology, open-source technology, cloud computing, etc. Research works governing applicability of these technologies in solving many uncovered healthcare issues prominently faced by doctors and surgeons in the fields of cardiology, medicine, neurology, orthopaedics, paediatrics, gynaecology, psychiatry, plastic surgery, etc., as well as their role in curtailing the spread of numerous infectious, pathological, neurotic maladies is thrown light off. Boundary conditions and implicitly associated challenges substantiated by remedies coupled with future directions are presented at the end.

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.

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objethigh
gptaucune catégorie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Revue systématiquehigh
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil0,672

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,404
Tête enseignante GPT0,512
Écart entre enseignants0,108 · 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