Développement d'un système de monitorage du blocage neuromusculaire par la méthode de phonomyographie
Bibliographic record
Abstract
L'objectif de ce travail est de développer un système de monitorage clinique basé sur la phonomyographie.Un prototype capable d'afficher les signaux issus de deux microphones piézoélectriques et de faire l'analyse de ces signaux en temps réel pour fournir des données sur le blocage neuromusculaire a été créé.Le système propose de réaliser le monitorage neuromusculaire avec ou sans référence de contrôle ainsi que l'analyse du ratio train de quatre ('TOF').Les données peuvent être enregistrées en continu pendant l'intervention chirurgicale pour des analyses post opératoires.D'autres options sont disponibles incluant une protection aux artefacts, comme l'exclusion des interférences créées par le bistouri électrique en limitant l'amplitude maximale enregistrée dans les courbes de tendance.Afin de déterminer l'efficacité du système, des acquisitions sont faites pour 10 patients subissant une anesthésie générale.Dans une autre partie de la validation, on a testé l'impact de l'instrument sur la charge de travail des anesthésistes aussi bien que sur la convivialité d'utilisation de l'interface en utilisant un questionnaire dénommé 'NASA Task Load IndeX'.Il a été montré que l'interface est facile d'utilisation tout en n'impliquant que des demandes physique, mentale et temporelle minimales après une courte période d'entraînement.La performance du système de monitorage relativement au temps perdu du fait des artefacts représente en moyenne approximativement 10% du temps total de monitorage.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".