MétaCan
Menu
← Retour à la cohorte
Enregistrement W6969236288 · doi:10.5683/sp3/7tfc0a

Health Services Virtual Organization (HSVO) NEP11 Final Report

2024· dataset· en· W6969236288 sur OpenAlexaffabout

Notice bibliographique

RevueBorealis · 2024
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensMcGill UniversityUniversity of FrederictonUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPreparednessSoftwareHealth careWorkflowArchitectureVirtual realityCommunity health

Résumé

récupéré en direct d'OpenAlex

The goal of the Health Services Virtual Organization (HSVO) project was to create a sustainable research platform for experimental development of shared ICT-based health services. This was based around the development of a focused collection of functioning services supporting patient treatment planning and team & individual preparedness in the operating room, emergency room, general practice clinics, and patients’ bedsides. A virtual organization was created to develop the platform. The partners were Lakehead University in Thunder Bay, the Northern Ontario School of Medicine in Sudbury and Thunder Bay, the Communications Research Centre and iDeal Consulting in Ottawa, McGill University in Montréal (the Centre for Intelligent Machines and the McGill Simulation Centre), the National Research Council in Fredericton and Innovations in Learning in California. Non-funded partners were added later including the University of Wisconsin-La Crosse and University College Cork (UCC) in Ireland. The platform was based on using Inocybe’s Argia (www.inocybe.ca; software formerly known as UCLP); and NRC’s SAVOIR; Service-oriented Architecture for a Virtual Organization's Infrastructure and Resources (formerly known as Eucalyptus). SAVOIR would connect and control multiple ‘edge devices’ at multiple locations across an articulated private network. The planned edge devices were: • OpenLabyrinth: this is an open source narrative game engine used for creating and running virtual patient cases. • Laerdal SimMan 3G: this is a commercial medical simulation mannequin platform consisting of a human model and a range of software tools for creating and executing training scenarios. • Remote Stereo Viewer (RSV) is a tool for visualizing 3D image datasets, the case of HSVO sourced from the Bassett Collection running from a server at CENIC in California. • VOLSEG is a tool for visualizing volumetric datasets, in the case of the HSVO project a volumetric visual and interactive rendering of the visible human dataset. • Camera array is a means to produce virtual camera views either live or from a stored dataset by capturing multiple video camera feeds observing the same scene from a grid perspective. • General web resources such as the Canadian Medical Association’s Clinical Practice Guidelines. The high level objectives were to: • Establish an articulated high speed and high capacity articulated private network (APN) between all of the project partners and then establish lightpath capabilities over this network. • Set up a number of existing edge devices and develop others (in particular a camera array) • Set up SAVOIR as the middleware hub and connect the edge devices through it via the APN so that they can be controlled from SAVOIR at multiple locations • Conduct trials and evaluations of the platform with medical learners

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)0,011
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,098
Score d'incertitude au seuil0,328

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0060,003
Science ouverte0,0020,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0980,035

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 Opus0,016
Tête enseignante GPT0,293
Écart entre enseignants0,276 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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 revueBorealis→Travaux en français237 207→