MétaCan
Menu
Retour à la cohorte
Enregistrement W4366967359 · doi:10.1109/wi-iat55865.2022.00086

MediBox: An Integrated Web Service System for Personalized Medical Assistance

2022· article· en· W4366967359 sur OpenAlexafffund
Pawan D. Mehta, Viren A. Shah, Nidhi M. Gandhi, Xing Tan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineHealth Professions
ThématiqueArtificial Intelligence in Healthcare
Établissements canadiensLakehead University
Organismes subventionnairesLakehead University
Mots-clésUploadMedical prescriptionSoundnessService (business)Medical historyInternet privacyWork (physics)Bridge (graph theory)MedicineComputer scienceMedical recordMedical emergencyWorld Wide WebBusinessNursingEngineeringSurgery

Résumé

récupéré en direct d'OpenAlex

Health is a crucial facet of everybody’s life. We all have to take medicine prescribed by doctors from time to time to sustain the soundness of our bodies. It is coherently laborious to maintain track of all the medications throughout life. Dissimilarity exists among individuals and medical institutions for treating patients with diverse medicines. Specific drugs might treat a patient positively while they might not turn out to be that effective on others. Hence, understanding each patient’s body and the side effects of the drugs on them is crucial for doctors. The work of the doctors can be eased if they can refer to the patient’s medical records. On the contrary, it is a tedious and meticulous job for the patients to maintain their own drug history. The proposed model Medibox will become a bridge for the doctors and the patient’s smooth communication. The users can easily upload their prescriptions that will be converted into a digital repository along with more features. Overall, Medibox is a one-spot solution for patients to start pursuing a wholesome life and to keep a record of their medical history effortlessly.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,135

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,003
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0400,019

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 Opus0,190
Tête enseignante GPT0,495
Écart entre enseignants0,305 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetArtificial Intelligence in HealthcareTravaux en français237 207