MétaCan
Menu
Retour à la cohorte
Enregistrement W2419471756 · doi:10.1177/0961203316640920

Report on the second International Consensus on ANA Pattern (ICAP) workshop in Dresden 2015

2016· article· en· W2419471756 sur OpenAlexaff
Edward K. L. Chan, Jan Damoiseaux, Wilson de Melo Cruvinel, Orlando Gabriel Carballo, Karsten Conrad, Paulo Luiz Carvalho Francescantônio, Marvin J. Fritzler, Ignacio García‐De La Torre, Manfred Herold, Tsuneyo Mimori, Minoru Satoh, Carlos Alberto von Mühlen, Luís Eduardo Coelho Andrade

Notice bibliographique

RevueLupus · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueMonoclonal and Polyclonal Antibodies Research
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineHarmonizationConsensus conferenceLibrary scienceMedical educationComputer scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

The second meeting for the International Consensus on Antinuclear antibody (ANA) Pattern (ICAP) was held on 22 September 2015, one day prior to the opening of the 12th Dresden Symposium on Autoantibodies in Dresden, Germany. The ultimate goal of ICAP is to promote harmonization and understanding of autoantibody nomenclature, and thereby optimizing ANA usage in patient care. The newly developed ICAP website www.ANApatterns.org was introduced to the more than 50 participants. This was followed by several presentations and discussions focusing on key issues including the two-tier classification of ANA patterns into competent-level versus expert-level, the consideration of how to report composite versus mixed ANA patterns, and the necessity for developing a consensus on how ANA results should be reported. The need to establish on-line training modules to help users gain competency in identifying ANA patterns was discussed as a future addition to the website. To advance the ICAP goal of promoting wider international participation, it was agreed that there should be a consolidated plan to translate consensus documents into other languages by recruiting help from members of the respective communities.

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)0,029
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,155

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,032
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0050,003
Science ouverte0,0030,009
Intégrité de la recherche0,0080,007
Charge utile insuffisante (le modèle a refusé de juger)0,0380,013

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 Opus0,046
Tête enseignante GPT0,344
Écart entre enseignants0,299 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations103
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLupusMême sujetMonoclonal and Polyclonal Antibodies ResearchTravaux en français237 207