MétaCan
Menu
Retour à la cohorte
Enregistrement W4410468087 · doi:10.21276/ierj24520581291741

TREATMENT OF ATHEROSCLEROSIS THROUGH PENETRATION OF PLAQUE BY SOFT ROBOTS

2024· article· en· W4410468087 sur OpenAlexaff

Notice bibliographique

RevueInternational Education and Research Journal · 2024
Typearticle
Langueen
DomaineMedicine
ThématiquePeripheral Artery Disease Management
Établissements canadiensInternational Development Research Centre
Organismes subventionnairesnon disponible
Mots-clésPenetration (warfare)BusinessRobotComputer scienceArtificial intelligenceEconomicsManagement

Résumé

récupéré en direct d'OpenAlex

A substance called plaque accumulates on the inner walls of arteries due to the consumption of foods high in cholesterol, saturated fats, and so on. The accumulation of plaque deposits leads to a condition known as atherosclerosis, which results in the narrowing and hardening of the arteries. This can lead to coronary artery disease, carotid artery disease, peripheral artery disease, chest pain (also referred to as angina pectoris), heart attack, heart failure, and many more medical complications. The current treatments for atherosclerosis include coronary artery bypass grafting (CABG), angioplasty, percutaneous coronary intervention (PCI), and a number of health and lifestyle changes that could prevent atherosclerotic plaque buildup. These surgeries either involve opening clogged arteries to prevent constriction or directing the blood away from the blocked artery. In both these cases, risks of bleeding, bruising, and complete recovery are prevalent. Therefore, a procedure in which a robot could remove the plaque from the walls of the arteries would greatly increase the success of the treatment and perhaps reduce the risks. This paper intends to review the newly proposed robots for the treatment of atherosclerosis, some of which are magnetically manipulated to drill the plaque to remove it from the arterial wall, and others that are meant to melt the plaque while still preserving the physical integrity of the arteries.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,452
Écart entre enseignants0,368 · 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
GenreEmpirique

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'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education and Research JournalMême sujetPeripheral Artery Disease ManagementTravaux en français237 207