MétaCan
Menu
Retour à la cohorte
Enregistrement W2100741073 · doi:10.1371/journal.pmed.1001380

Prognosis Research Strategy (PROGRESS) 2: Prognostic Factor Research

2013· review· en· W2100741073 sur OpenAlexafffund
Richard D Riley, Jill A. Hayden, Ewout W. Steyerberg, Karel G.M. Moons, Keith R. Abrams, P. Kyzas, Núria Malats, Andrew Briggs, Sara Schroter, Douglas G. Altman, Harry Hemingway

Notice bibliographique

RevuePLoS Medicine · 2013
Typereview
Langueen
DomaineDecision Sciences
ThématiqueMeta-analysis and systematic reviews
Établissements canadiensDalhousie University
Organismes subventionnairesEconomic and Social Research CouncilEngineering and Physical Sciences Research CouncilCenter for Translational Molecular MedicineCancer Research UKDalhousie UniversityNational Institute for Health and Care ResearchMedical Research CouncilVersus ArthritisLondon School of Hygiene and Tropical MedicineUniversity of BirminghamCanadian Institutes of Health ResearchQueen Mary University of LondonWellcomeNational Institute for Social Care and Health ResearchNova Scotia Health Research FoundationBritish Heart FoundationNederlandse Organisatie voor Wetenschappelijk OnderzoekWellcome Trust
Mots-clésMedicineClinical trialPsychological interventionIntensive care medicineImpact factorDiseaseClinical researchRisk factorInternal medicine

Résumé

récupéré en direct d'OpenAlex

Prognostic factor research aims to identify factors associated with subsequent clinical outcome in people with a particular disease or health condition.In this article, the second in the PROGRESS series, the authors discuss the role of prognostic factors in current clinical practice, randomised trials, and developing new interventions, and explain why and how prognostic factor research should be improved.The Guidelines and Guidance section contains advice on conducting and reporting medical research.

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)0,074
score de la tête « metaresearch » (Gemma)0,131
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,926
Score d'incertitude au seuil0,390

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0740,131
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0060,008
Bibliométrie0,0120,009
Études des sciences et des technologies0,0010,002
Communication savante0,0060,007
Science ouverte0,0030,006
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0360,012

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 Opus0,981
Tête enseignante GPT0,718
Écart entre enseignants0,263 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations811
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS MedicineMême sujetMeta-analysis and systematic reviewsTravaux en français237 207