MétaCan
Menu
Retour à la cohorte
Enregistrement W6990352949

Desarrollo de una App de Realidad Virtual para Auscultación Cardíaca

2017· dissertation· es· W6990352949 sur OpenAlexfundno aff

Notice bibliographique

RevueAaltodoc (Aalto University) · 2017
Typedissertation
Languees
DomaineMedicine
ThématiquePhonocardiography and Auscultation Techniques
Établissements canadiensnon disponible
Organismes subventionnairesGovernment of CanadaGlobal Affairs CanadaUniversity of Ontario Institute of Technology
Mots-clésLimitingVirtual worldFunction (biology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La auscultación cardiaca es un procedimiento que permite diagnosticar la condición del corazón de un paciente haciendo uso de un estetoscopio. Una examinaciOn apropiada con el estetoscopio puede resultar en un adecuado diagnóstico y tratamiento. Habilidades en auscultación cardiaca están en decaimiento entre practicantes y profesionales de áreas relacionadas al cuidado de la salud debido al extenso tiempo requerido de entrenamiento. Herramientas actuales de entrenamiento incluyen maniquíes de simulación y equipamiento de diagnóstico que está tomando un papel con mayor prominencia en la práctica de auscultación cardiaca que el entrenamiento con el estetoscopio. De acuerdo con la Organización Mundial de la Salud, en 2015 los dos causantes más grandes de muerte fueron ataques al corazón y enfermedades cerebrovasculares. La disponibilidad y bajo costos del estetoscopio lo hace una herramienta rentable en el entrenamiento en auscultación cardiaca. Actualmente, dispositivos de realidad virtual disponibles para el consumidor común están permitiendo el desarrollo de experiencias virtuales asequibles que tienen el potencial para complementar otras formas de entrenamiento. En este trabajo se presenta una aplicación móvil que combina elementos multimedia tales como sonidos de ritmos cardiacos e imágenes indicando áreas donde la exploración cardiaca debería ser llevada a cabo. Modelados 3D con animaciones realistas de pacientes con diferentes características físicas para simulación y texto explicativo para el diagnóstico fueron usados para proveer inmersión y realismo. El sistema está basado en el procedimiento de entrenamiento en auscultación cardiaca, haciendo uso de elementos de juego para enganchar y motivar los usuarios en el proceso de aprendizaje.

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)0,003
score de la tête « metaresearch » (Gemma)0,011
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,007

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 Opus0,017
Tête enseignante GPT0,292
Écart entre enseignants0,274 · 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
GenreMéthodes

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAaltodoc (Aalto University)Même sujetPhonocardiography and Auscultation TechniquesTravaux en français237 207