Sensors for Smoking Detection in Epidemiological Research: Scoping Review
Notice bibliographique
Résumé
BACKGROUND: The use of wearable sensors is being explored as a challenging way to accurately identify smoking behaviors by measuring physiological and environmental factors in real-life settings. Although they hold potential benefits for aiding smoking cessation, no single wearable device currently achieves high accuracy in detecting smoking events. Furthermore, it is crucial to emphasize that this area of study is dynamic and requires ongoing updates. OBJECTIVE: This scoping review aims to map the scientific literature for identifying the main sensors developed or used for tobacco smoke detection, with a specific focus on wearable sensors, as well as describe their key features and categorize them by type. METHODS: According to the PRISMA-ScR (Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews) protocol, an electronic search was conducted on the PubMed, MEDLINE, and Web of Science databases, using the following keywords: ("biosensors" OR "biosensor" OR "sensors" OR "sensor" OR "wearable") AND ("smoking" OR "smoke"). RESULTS: Among a total of 37 studies included in this scoping review published between 2012 and March 2024, 16 described sensors based on wearable bands, 15 described multisensory systems, and 6 described other strategies to detect tobacco smoke exposure. Included studies provided details about the design or application of wearable sensors based on an elastic band to detect different aspects of tobacco smoke exposure (eg, arm, wrist, and finger movements, and lighting events). Some studies proposed a system composed of different sensor modalities (eg, Personal Automatic Cigarette Tracker [PACT], PACT 2.0, and AutoSense). CONCLUSIONS: Our scoping review has revealed both the obstacles and opportunities linked to wearable devices, offering valuable insights for future research initiatives. Tackling the recognized challenges and delving into potential avenues for enhancement could elevate wearable devices into even more effective tools for aiding smoking cessation. In this context, continuous research is essential to fine-tune and optimize these devices, guaranteeing their practicality and reliability in real-world applications.
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 | 0,046 | 0,206 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,013 |
| Bibliométrie | 0,034 | 0,028 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».