Development of an Eco-Friendly Smartphone-Assisted Nystagmus Recording System for Recording Vertigo Attacks Anytime, Anywhere: Pilot App Development Study
Notice bibliographique
Résumé
Background: The widespread adoption of smartphones and tablet devices, along with advancements in data communication technology, has resulted in a paradigm shift in the treatment of dizziness. External factors, such as the spread of COVID-19, have accelerated this transformation in recent years. We have been pursuing telemedicine and web-based medical care to treat dizziness and have developed different products and services necessary for each treatment process stage. Several patients face difficulties in accessing medical facilities during severe vertigo episodes. Furthermore, clinical findings, such as nystagmus or other symptoms, may be absent when symptoms subside by the time of their appointment. Objective: This study aimed to develop a smartphone app for capturing eye movements and head positions during vertigo attacks, enabling recordings anywhere, even at home or work. Methods: We developed an app named "iCapNYS" that uses the iPhone's front camera and gyro sensor to record eye movements and head positions. The app incorporates features designed to encourage spontaneous eye movements, minimizing nystagmus suppression caused by fixation. Additionally, we designed lightweight, recyclable cardboard goggles to securely hold the smartphone and block visual stimuli from the surrounding environment, optimizing the recording conditions. Results: The "iCapNYS" system successfully captured subtle peripheral vestibular nystagmus in a patient with vertigo. The recorded nystagmus characteristics are comparable to those obtained using traditional infrared CCD (charge-coupled device) cameras. Conclusions: This app is an effective tool for treating vertigo and is easy for older adults to use, as it can be recorded with only 3 taps. We expect that the introduction of this nystagmus-monitoring system will improve vertigo treatment quality, promote medical collaboration, and provide patients with peace of mind in their care.
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 | 0,001 | 0,002 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».