MétaCan
Menu
Retour à la cohorte
Enregistrement W2029736131 · doi:10.1016/j.bbi.2012.01.014

Minimum data elements for research reports on CFS

2012· article· en· W2029736131 sur OpenAlexaff
Leonard A. Jason, Elizabeth R. Unger, Jordan D. Dimitrakoff, Adam P. Fagin, Michael Houghton, Dane B. Cook, Gailen D. Marshall, Nancy G. Klimas, Christopher R. Snell

Notice bibliographique

RevueBrain Behavior and Immunity · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueFibromyalgia and Chronic Fatigue Syndrome Research
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Institutes of Health
Mots-clésInterpretabilityConsistency (knowledge bases)Chronic fatigue syndromeMedicineData sciencePsychologyComputer sciencePhysical therapyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Chronic fatigue syndrome (CFS) is a debilitating condition that has received increasing attention from researchers in the past decade. However, it has become difficult to compare data collected in different laboratories due to the variability in basic information regarding descriptions of sampling methods, patient characteristics, and clinical assessments. The issue of variability in CFS research was recently highlighted at the NIH's 2011 State of the Knowledge of CFS meeting prompting researchers to consider the critical information that should be included in CFS research reports. To address this problem, we present our consensus on the minimum data elements that should be included in all CFS research reports, along with additional elements that are currently being evaluated in specific research studies that show promise as important patient descriptors for subgrouping of CFS. These recommendations are intended to improve the consistency of reported methods and the interpretability of reported results. Adherence to minimum standards and increased reporting consistency will allow for better comparisons among published CFS articles, provide guidance for future research and foster the generation of knowledge that can directly benefit the patient.

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)0,499
score de la tête « metaresearch » (Gemma)0,762
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Présentation des résultats · Signal consensuel: Présentation des résultats
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,501
Score d'incertitude au seuil0,618

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4990,762
Méta-épidémiologie (sens strict)0,0030,006
Méta-épidémiologie (sens large)0,0090,013
Bibliométrie0,0310,024
Études des sciences et des technologies0,0070,008
Communication savante0,0120,014
Science ouverte0,0090,013
Intégrité de la recherche0,0180,017
Charge utile insuffisante (le modèle a refusé de juger)0,0200,010

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 Opus0,268
Tête enseignante GPT0,477
Écart entre enseignants0,209 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
DomainePrésentation des résultats
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

Citations26
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrain Behavior and ImmunityMême sujetFibromyalgia and Chronic Fatigue Syndrome ResearchTravaux en français237 207