Web-Integration PROAFTN Methodology for Acute Leukemia Diagnosis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To develop and test a web-based Clinical Decision Support System (CDSS) tool, which integrated a new fuzzy multiple criteria classification methodology named PROAFTN in acute leukemia (AL) diagnosis. METHODS: We have integrated a PROAFTN method and developed a web-based clinical decision support system using standard JSP, servlets, and XML technologies. All website data are database-driven; and the database system can handle data store, update, and retrieval instantly. Since the system was moved to a web server, we have started our experimental testing on 191 AL cases. RESULTS: The percentage of correct classification in this experimental testing was consistent with the proposed prototype. 96.4% of AL cases were correctly classified, proving that web-integration can be a promising tool for dissemination of CDSS tools. We found our system to be robust and capable of deployment for referring physicians. CONCLUSIONS: Our experimental results suggest that the Internet has promise as a means for distribution of CDSS tools. This system will help to: 1) make a "virtual" diagnosis and to compare its performances with given clinical diagnosis; 2) exchange health information between physicians and hematologists at the location and time of need; 3) assist online learning and simulate cases for training practitioners; 4) implement a strict security and access control for transmission of electronic health data through the Internet. The method will not replace specialists, but was developed to assist biologist-hematologists and general practitioners remotely in making decisions on medical diagnosis.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle