MJM MedTalks (S02E01): DIY Automated Insulin Delivery
Notice bibliographique
Résumé
McGill Journal of Medicine (MJM) MedTalks is a Podcast series where members of the medical and health science communities from McGill are interviewed on topics related to career, research, advocacy and more. In season 2, we are opening up the conversation to members of the academic community beyond McGill University. The aim of MedTalks is to open a space where experienced professionals and researchers can share information and advice for trainees in healthcare and medical sciences. In this episode, McGill doctoral candidate and MJM Editor and Podcast member, Meryem Talbo, interviews four guest-experts on the topic of do-it-yourself (DIY) automated insulin delivery (AID) systems for people living with type 1 diabetes, with the aim of demystifying this novel and promising technology. The panel includes Kate Farnsworth, a patient-advocate and founder of an online DIY AID community of over 30,000 people; Dr. Ilana Halpern, an endocrinologist at Sunnybrook Health Sciences Centre in Toronto, with over 10 years of experience in the field; Dr. Maha Lebbar, an endocrinologist/diabetologist and current M.Sc. candidate at the University of Montreal with special interests in new technologies for type 1 diabetes; and Dr. Zekai Wu, a physician and current postdoctoral fellow at the Institut de recherches cliniques de Montréal (IRCM) and McGill University, who introduced the DIY AID system into China and is currently working on new type 1 diabetes technologies. This conversation covers the development of DIY AID technologies, their availability and accessibility to people living with type 1 diabetes, as well as the legality and regulatory frameworks that underlie their use. The show notes include a glossary of terms, links to publications, images, and videos referenced in the episode, and a transcript of Meryem Talbo’s conversation with the guest panel.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,264 | 0,057 |
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 ».