Non-invasive wearable devices for urinary incontinence detection—a mini review
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.
Notice bibliographique
Résumé
People with urinary incontinence (UI) often face a significant social stigma feeling ashamed of their condition and worrying about others discovering it. In order to improve the quality of life of those with incontinence, recent technological advancements enabled the development of non-invasive devices for detecting urinary leakage (UL). However, no comprehensive study has been conducted to state the most suitable types of sensors and the fundamental features necessary to design such devices, while also pointing gaps for future research. To address this, we conducted a mini review using four electronic databases limiting our search to English-written papers published in peer-reviewed journals. We retrieved articles that met the chosen inclusion criteria and classified them based on sensor type used, its location, the detection technique employed, and whether it was an e-Textile design and a reusable product or not. Across the studies, UL was detected using different approaches leading to heterogeneous results. Electrodes commonly used as sensing elements, along with textile as substrate material, and an indicator of UL based on resistance value, appeared to be widely exploited. However, the outcomes were not correlated with any specific type of UI. Consequently, we hypothesize that any non-invasive device could potentially be used for different types of UI. Nevertheless, further studies need to be conducted to confirm this statement. The designed literature mapping provides readers with an overview of the recent non-invasive wearable technologies in UL detection and offers a roadmap for future innovations.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle