Measurement of Head Circumference Using a Smartphone: Feasibility Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Accurate head circumference (HC) measurement is essential when assessing neonates and infants. Tape measure HC measurements are prone to errors, particularly when performed by parents/guardians, due to individual differences in head shape, hair style and texture, subject cooperation, and examiner techniques, including tape measure placement and tautness. There is, therefore, the need for a more reliable method. OBJECTIVE: The primary objective of this study was to evaluate the validity, reliability, and consistency of HC app measurement compared to the current standard of practice, serving as a proof-of-concept for use by health care professionals. METHODS: We recruited infants attending the neurosurgery clinic, and parents/guardians were approached and consented to participate in the study. Along with the standard head circumference measurement, measurements were taken with the head circumference app (HC app) developed in-house, and we also collected baseline medical history and characteristics. For the statistical analysis, we used RStudio (version 4.1.1). In summary, we analyzed covariance and intraclass correlation coefficient (ICC) to compare the measurement's within-rater and interrater reliability. The F test was used to analyze the variance between measurements and the Bland-Altman agreement, t test, and correlation coefficients were used to compare the tape measurement to the measures taken by the HC app. We also used nonvalidated questionnaires to explore parental or guardians' experiences, assess their views on app utility, and collect feedback. RESULTS: The total number of recruited patients was 37. Comparison between the app measurements and the measurements with a tape measure showed poor reliability (ICC=0.177) and wide within-app variations (ICC=0.341). The agreement between the measurements done by parents/guardians and the tape measurements done by the researcher was good (ICC=0.901). Parental/guardian feedback was overall very positive, with most of the parents/guardians reporting that the app was easy to use (n=31, 84%) and that they are happy to use the app in an unsupervised setting, provided that they are assured of the measurement quality. CONCLUSIONS: We developed this project as a proof-of-concept study, and as such, the app has shown great potential to be used both in a clinical setting and by parents/guardians in their own homes.
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
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.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 découleClassification
machine, non validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».