Utility of Technologist Editing of Polysomnography Scoring Performed by a Validated Automatic System
Notice bibliographique
Résumé
RATIONALE: Automatic scoring of polysomnography records offers many advantages, but excessive editing time seriously limits its use. OBJECTIVES: To identify reasons for excessive editing time, and the clinical utility of such editing, and to develop an approach to optimize the editing process. METHODS: Forty-two polysomnograms scored manually were scored months later by an automatic system (Michele Sleep Scoring). Results were edited by the technologist who scored them initially. Editing actions and time were documented. An Editing Helper algorithm was developed on the basis of these results, and its effectiveness was tested in 60 new records. MEASUREMENTS AND MAIN RESULTS: Technologists performed 253 ± 110 actions, consuming 54.5 ± 26.3 minutes, per file. Of the edits, 33% were either subsequently reversed or not considered in the clinical summary. The electroencephalography pattern in 67% of epochs changed from awake to non-REM sleep, and vice versa, represented neither stable wakefulness nor sleep so that assigning a precise stage was arbitrary. Many opposing changes occurred. Ultimately the impact of editing on summary results was limited. In the second set, the Editing Helper algorithm reduced editing time from 59 ± 26 to 6 ± 7 minutes. Average (±SD) intraclass correlation coefficients for 15 reported variables were 0.77 ± 0.14 for manual versus unedited automatic, 0.89 ± 0.09 for manual versus fully edited automatic, and 0.87 ± 0.08 for manual versus automatic edited according to the Editing Helper's suggestions only, and there was no difference between the last two average intraclass correlation coefficients. CONCLUSIONS: Editing time does not reflect unreliable scoring. Comprehensive editing of a well-validated automatic scoring system is highly inefficient. Editing can be substantially optimized.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».