Notice bibliographique
Résumé
Imaging is pivotal in chest disease diagnosis as the chest wall renders the heart and lungs inaccessible to physical examination and chest disease symptoms are very nonspecific (eg, cough, shortness of breath). Very early in the development of medical x-ray technology, it was recognized that the chest radiograph could provide essential diagnostic information (eg, pneumonia, lung masses, pneumothorax, cardiac failure). For this reason there was rapid uptake of chest radiography, and it continues to be highly relevant, over 100 years later. However, the chest radiograph has substantial limitations as it only provides a single, 2-dimensional view of the complex 3-dimensional structure of the chest. Even with the addition of the lateral view, detection of small lung nodules may substantially vary amongst expert radiologists. Thus, while lung masses greater than 30 mm in diameter are reliably identified, it has been shown that depending on location, lung nodules may be missed with a median diameter of 19 mm [1]. The strongest prognostic indicator of lung nodule malignant potential is size. Therefore, the detection of small lung cancers is strongly correlated with improved 5-year survival. In the hope of improving lung cancer survival, randomized clinical trials of screening chest radiography were performed in the 1970s. However, these trials failed to show a significant effect on lung cancer mortality [2]. Failure of these trials to impact mortality was believed by some to be secondary to poor imaging of small nodules using plain radiography. Poor imaging also limited our understanding of the link between
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».