MétaCan
Menu
Retour à la cohorte
Enregistrement W2397768676 · doi:10.1016/j.ejca.2016.03.082

RECIST 1.1 – Standardisation and disease-specific adaptations: Perspectives from the RECIST Working Group

2016· review· en· W2397768676 sur OpenAlexafffund
Lawrence H. Schwartz, Lesley Seymour, Saskia Litière, Robert Ford, Stephen J. Gwyther, Sumithra J. Mandrekar, Lalitha Shankar, Jan Bogaerts, Alice P. Chen, Janet Dancey, Wendy Hayes, F. Stephen Hodi, Otto S. Hoekstra, Erich P. Huang, Nancy U. Lin, Patrick Therasse, Jedd D. Wolchok, Elisabeth G.E. de Vries

Notice bibliographique

RevueEuropean Journal of Cancer · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensQueen's University
Organismes subventionnairesNational Cancer InstituteCanadian Cancer Society Research Institute
Mots-clésResponse Evaluation Criteria in Solid TumorsMedicineClinical trialMedical physicsClinical endpointBiomarkerImaging biomarkerRadiologyPhases of clinical researchInternal medicineMagnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,014
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0030,001
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,346
Écart entre enseignants0,288 · 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
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

Citations380
Publié2016
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueEuropean Journal of CancerMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207