MétaCan
Menu
Retour à la cohorte
Enregistrement W2143572567 · doi:10.1109/cbms.2005.74

Medical Knowledge Morphing: Towards Case-Specific Integration of Heterogeneous Medical Knowledge Resources

2005· article· en· W2143572567 sur OpenAlexafffund
Syed Sibte, Syed Sibte Raza Abidi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBiomedical Text Mining and Ontologies
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésModalitiesKnowledge managementMedical knowledgeComputer scienceTacit knowledgeExperiential knowledgeProcedural knowledgeKnowledge engineeringPersonal knowledge managementTask (project management)Body of knowledgeDomain knowledgeKnowledge-based systemsKnowledge integrationExplicit knowledgeResource (disambiguation)Knowledge value chainOrganizational learningMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

Clinical decision-making involves an active interplay between various medical knowledge modalities - the spectrum of medical knowledge modalities spanning from tacit knowledge to experiential knowledge to explicit knowledge to data-induced knowledge. The ability to simultaneously access and then integrate multiple knowledge modalities pertaining to a common clinical theme is profound for clinical decision making. In this concept paper we introduce knowledge morphing - a knowledge modeling task that allows the integration of heterogeneous medical knowledge modalities, with respect to a clinical case, to yield a comprehensive knowledge resource for decision-support.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,950
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,316
Écart entre enseignants0,284 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

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

En bref

Citations23
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetBiomedical Text Mining and OntologiesTravaux en français237 207