MétaCan
Menu
Retour à la cohorte
Enregistrement W6901635134 · doi:10.60692/46jk4-yzx37

IEEE Access Special Section Editorial: Lightweight Security and Provenance for Internet of Health Things

2021· article· en· W6901635134 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueHealthcare Technology and Patient Monitoring
Établissements canadiensBrandon University
Organismes subventionnairesnon disponible
Mots-clésInteroperabilityNetwork packetThe InternetSpecial sectionPacket lossInternet of Things

Résumé

récupéré en direct d'OpenAlex

As an extension of the Internet of Things (IoT), the Internet of Health Things (IoHT) plays an important role in the remote exchange of data of different physical processes such as patient monitoring, treatment progress, observation, and consultation. In IoHT, connectivity, integration, computation, and interoperability are enabled through various sensors, actuators, and controllers, thereby providing seamless connectivity with efficient utilization of resources. With advances in telemedicine, telesurgery, and other healthcare applications, streaming has become an essential part of IoHT. The data traffic in IoHT applications, such as interactive multimedia streaming, real-time image processing, traffic generated from faulty sensors and vital signs, can tolerate packet loss but has stringent delay requirements. On the other hand, video streaming applications cannot tolerate jitter. Similarly, the low-power devices are sensitive to packet loss and the periodic physiological traffic of medical traffic can tolerate delay or jitter, but not packet loss. Routing data in different IoHT applications has varying quality-of-service (QoS) requirements in terms of delay, packet loss, jitter, and throughput.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,428
Score d'incertitude au seuil0,332

Scores Codex et Gemma par catégorie

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

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 Opus0,047
Tête enseignante GPT0,291
Écart entre enseignants0,245 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetHealthcare Technology and Patient MonitoringTravaux en français237 207