Rehabilitation and Home Health Monitoring Based-AI Scheduling Application for Coronary Artery Disease and Cardiovascular Patients
Notice bibliographique
Résumé
Cardiovascular and coronary artery disease diseases complications can be very serious, and it is crucial for a close monitoring and routine rehabilitation activities in order to help patients to get back on their normal lifestyle.Even though most individuals with COVID-19 did recover within weeks of ailment, a few individuals still encounter severe long COVID conditions and 'Silent Hypoxia'.Individuals commonly encounter distinctive combinations of long COVID symptoms such as difficulty in breathing, critical heart palpitations, worst sleep quality, dizziness on standing, etc. Silent hypoxia is a condition where patients have an extremely low oxygen level but do not show any symptoms of breathlessness.In order to navigate and resolve the above issues, this work proposes and implements a real-time monitoring towards the changes of patient health data using continuous clinical surveillance solution.The application is an appropriate rehabilitation course that plays a vital role for post discharge patients in providing an improvement for respiratory, cardiovascular, and psychological components.It is very important to provide the visibility of health data in terms of heart rate and VO2 max values to enable emergency respiratory support, important alerts and real-time monitoring.In this work, a novel configuration for home health monitoring and rehabilitation based-AI scheduling system is proposed for coronary artery disease and cardiovascular patients.The Android application introduces a secure health data sharing and smart alerting system to provide full surveillance towards the patient.It will enable the interaction between the smart wearable by using the health kit and artificial intelligence algorithms to schedule the best fit rehabilitation activity based on the patient's health status and live monitoring by medical practitioners.
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».