A Decision Tree Can Increase Accuracy When Assessing Curve Types According to Lenke Classification of Adolescent Idiopathic Scoliosis
Notice bibliographique
Résumé
STUDY DESIGN: The assignment of adolescent idiopathic scoliosis (AIS) curves into curve types (1-6), as described by Lenke et al, was evaluated by 12 independent observers using the original description versus a decisional tree algorithm. OBJECTIVE: To determine whether a decision tree algorithm can improve classification accuracy using the Lenke classification for AIS. SUMMARY OF BACKGROUND DATA: Curve type classification in AIS relies on several parameters to consider, and its relative complexity has lead to conflicting studies that reported fair-to-excellent interobserver reliability. King's classification reliability was shown to be improved using a rule-based automated algorithm. No similar algorithm for Lenke's classification currently exists. METHODS: A clinical diagram derived from a decision tree was developed to help clinicians classify AIS curves. Twelve clinicians and research assistants were asked to classify AIS curves using 2 methods: the original Lenke chart alone and the decision tree diagram in addition to the Lenke Chart. Wilcoxon ranking tests were used to evaluate any difference in classification accuracy and speed for both methods. Mann-Whitney tests were used to compare experts' and nonexperts' results. Pearson correlation was calculated to evaluate the relationship between accuracy and time taken to classify. RESULTS.: Use of the decision tree for curve type determination improved classification accuracy from 77.2% to 92.9% (P = 0.005) without requiring more time to classify. This improvement was statistically significant (P < 0.05). A statistically significant correlation between accuracy and time spent classifying when the decision tree is used was also observed (R = 0.62, P = 0.032). CONCLUSION: Transfer of a computer algorithm, a decision tree, to a clinical diagram improved both accuracy ofAIS classification. Algorithmic diagrams could prove beneficial to increase classification reliability due to their systematic approach.
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 | 0,015 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».