MétaCan
Menu
Retour à la cohorte
Enregistrement W4353031477 · doi:10.1016/s2589-7500(23)00045-6

Machine learning COVID-19 detection from wearables

2023· article· en· W4353031477 sur OpenAlexaff
Bret Nestor, Jaryd Hunter, Raghu Kainkaryam, Erik Drysdale, Jeffrey B. Inglis, Allison Shapiro, Sujay Nagaraj, Marzyeh Ghassemi, Luca Foschini, Anna Goldenberg

Notice bibliographique

RevueThe Lancet Digital Health · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory viral infections research
Établissements canadiensCanadian Institute for Advanced ResearchVector InstituteHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesNational Cancer InstituteNational Institutes of Health
Mots-clésWearable computerScopusWearable technologyPopulationTracking (education)Computer scienceMedicinePandemicInternet privacyCoronavirus disease 2019 (COVID-19)MEDLINEDiseasePsychologyEnvironmental healthPolitical sciencePathologyEmbedded system

Résumé

récupéré en direct d'OpenAlex

The increasing accessibility of wearable activity-tracking and health-tracking devices has prompted much research into passive diagnostics and screening that could contribute to infrastructure for population health testing and ultimately mitigate potential pandemics. Elevated resting heart rates have been noted to occur alongside fever.1 This finding has enabled researchers to accurately estimate the prevalence of influenza using data from wearable devices alone.1 In the past 3 years, studies show the potential to make individualised predictions of infection.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,827
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,141
Tête enseignante GPT0,431
Écart entre enseignants0,290 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations17
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Lancet Digital HealthMême sujetRespiratory viral infections researchTravaux en français237 207