MétaCan
Menu
Retour à la cohorte
Enregistrement W2319232971 · doi:10.1017/s0317167100017170

Neurological Registry Quality Control and Quality Assurance

2013· review· en· W2319232971 sur OpenAlexaffvenue
James Marriott, Vanessa K. Noonan, Elizabeth Donner, Mark Lowerison, Darren Lam, Lundy Day, Janet Warner, Eric E. Smith, Jean K. Mah, Paula de Robles, Nathalie Jetté, Megan Johnston, Tamara Pringsheim, Lawrence Korngut

Notice bibliographique

RevueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences Neurologiques · 2013
Typereview
Langueen
DomaineMedicine
ThématiqueClinical practice guidelines implementation
Établissements canadiensHotchkiss Brain InstituteUniversity of CalgaryHospital for Sick ChildrenUniversity of TorontoSickKids FoundationPraxis Spinal Cord InstituteUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésQuality assuranceQuality (philosophy)Control (management)MedicineAction (physics)Quality controlComputer scienceMedical physicsArtificial intelligencePathology

Résumé

récupéré en direct d'OpenAlex

This section of the guideline discusses procedures and best practices around quality control and quality assurance.In developing this section of the guideline we reviewed available literature and best practice; consulted with registry and disease experts; and derived consensus recommendations.Quality, as defined by the International Standards Organization (ISO) in standard ISO 8402:1994, is the "totality of characteristics of an entity that bear on its ability to satisfy stated and implied needs."194 In the context of registries, this means that registry data characteristics must altogether satisfy the intended and implied needs of the registry purpose.For example, if the purpose of your registry is to study all female adults of child-bearing age with epilepsy; then your registry data must consist only of female adults of child-bearing age who have a diagnosis of epilepsy.It is important to note that quality and registry purpose are inherently related.Registry creators will therefore need to define what quality means for their specific purpose(s).While quality control and quality assurance are related concepts it is important to understand that they are different.Quality assurance (QA) is the process that maintains a desired level of quality.195 QA is a proactive process done in advance of obtaining an outcome.Examples of QA activities might include audits, training, procedure documentation, selection of quality tools etc. Quality control (QC) is the assessment of whether an outcome meets quality expectations.195 QC is a reactive process done once an outcome has been obtained.Examples of QC activities might include testing a product sample to determine if it meets requirements; or conducting a site inspection visit.Useful registries must have good quality data.

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)0,086
score de la tête « metaresearch » (Gemma)0,161
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,454

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0860,161
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,005
Bibliométrie0,0090,008
Études des sciences et des technologies0,0020,002
Communication savante0,0050,005
Science ouverte0,0050,004
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0070,004

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 Opus0,382
Tête enseignante GPT0,500
Écart entre enseignants0,118 · 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'étudeSans objet
DomaineÉvaluation
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

Citations3
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences NeurologiquesMême sujetClinical practice guidelines implementationTravaux en français237 207