MétaCan
Menu
Retour à la cohorte
Enregistrement W4398219911 · doi:10.11648/j.ae.20240801.15

Development of a New and Mechanically Intelligent Anti-Tremor Utensil

2024· article· en· W4398219911 sur OpenAlexafffund
Michaël Dubé, Thierry Laliberté, Véronique H. Flamand, Alexandre Campeau‐Lecours

Notice bibliographique

RevueApplied Engineering · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensCentre for Interdisciplinary Research in RehabilitationUniversité Laval
Organismes subventionnairesUniversité Laval
Mots-clésMedicineComputer sciencePhysical medicine and rehabilitation

Résumé

récupéré en direct d'OpenAlex

People living with Parkinson’s disease or with essential tremors face many obstacles in their everyday lives. Being able to eat independently is one of them. Many technologies already exist to help people who have difficulty eating independently. However, following a review of existing devices with a team of occupational therapists, it was found that many commercially available solutions were either unhelpful or too expensive. The need for better adapted solutions was obvious so an iterative design methodology based on the user's needs was followed to create a new anti-tremor utensil. The starting point of the design was to analyze the existing utensils to understand better the pros and cons of the available solutions. During the iterative design methodology, several prototypes emerged and led to the creation of the final spoon prototype presented in this paper. A total of 5 different adaptative spoons were designed and are presented in this paper. A sensor-based frequential analysis combined with an occupational therapist review indicates that the proposed prototype is effective against certain types of tremors and that it could potentially help people living with tremor while they eat. The next step of the development will be to test the new prototype with potential users.

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: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,034
Tête enseignante GPT0,241
Écart entre enseignants0,206 · 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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied EngineeringMême sujetNeuroscience and Neural EngineeringTravaux en français237 207