MétaCan
Menu
Retour à la cohorte
Enregistrement W4324137553 · doi:10.1109/icssit55814.2023.10061037

Analysis of Ethical Issues Associated with Wearable Medical Devices

2023· article· en· W4324137553 sur OpenAlexaff
S. Venkatachalam, T Padmavathi, N. Vinodh, J. Thilagavathi, Garvita Joshi, Gowri Ramachandran, Bharath Thandalam Rajasekaran

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCOVID-19 Digital Contact Tracing
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésWearable computerWearable technologyAutonomyHealth careInformed consentMedical ethicsPerspective (graphical)Process (computing)Internet privacyEngineering ethicsMedical careMedicineComputer scienceNursingAlternative medicineEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

Medical practice and the delivery of healthcare are changing as a result of the advancement and widespread use of medical wearable technology. The daily vast amount of personal data those results, privacy disclosure, and other ethical difficulties associated with interests are gradually brought to light, though. This paper summarises and analyses the ethical issues that exist in the entire process of health medical wearable equipment serving humans, including the equipment itself, data collection, transmission, management, and data use, from the perspective of medical ethics. It then suggests appropriate solutions and countermeasures from the perspectives of respecting autonomy, informed consent, privacy protection, medical optimization, and beneficial principles. To fully utilize the potential of health care wearables in the field of medical care, advance the development of new intelligent medical care, and contribute to the creation of a healthy India, the concepts of “prevention before disease, disease prevention, and change prevention,” and “medicine.

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)0,047
score de la tête « metaresearch » (Gemma)0,114
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,248

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0470,114
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0070,017
Communication savante0,0110,007
Science ouverte0,0010,006
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,329
Écart entre enseignants0,297 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCOVID-19 Digital Contact TracingTravaux en français237 207