MétaCan
Menu
Retour à la cohorte
Enregistrement W2522997701 · doi:10.1503/cjs.015115

Users’ guide to the surgical literature: how to assess an article about harm in surgery

2016· article· en· W2522997701 sur OpenAlexaffvenue
Achilleas Thoma, Manraj Kaur, Forough Farrokhyar, Daniel Waltho, Carolyn Lévis, Peter Lovrics, Charlie H. Goldsmith

Notice bibliographique

RevueCanadian Journal of Surgery · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueBiomedical Ethics and Regulation
Établissements canadiensMcMaster UniversitySimon Fraser UniversityHamilton Health SciencesUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineBreast reconstructionBreast cancerMastectomyGeneral surgerySurgeryAbdomenCancerInternal medicine

Résumé

récupéré en direct d'OpenAlex

CLINICALSCENARIO: You are a new plastic surgeon in the community and you are referred a patient interested in breast reconstruction. The patient is a 35-year-old female school teacher who had a bilateral prophylactic mastectomy 2 years earlier, as she was a BRCA gene carrier. Since she is of a petite build with very little subcutaneous tissue or extra skin in the lower abdomen, you decide that she is not a suitable candidate for an abdomen-based autologous tissue reconstruction. You recommend the technique of tissue expansion and silicone gel implants. She is concerned, however, about the possibility of anaplastic large cell lymphoma (ALCL) developing in her breasts. She read in a magazine recently that ALCL, an unusual form of breast cancer, has been occurring in patients who have breast implants. She is very concerned that she might be at risk and asks for your opinion as to whether she should proceed with the procedure or not.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,250
Score d'incertitude au seuil0,440

Scores Codex et Gemma par catégorie

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

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 Opus0,073
Tête enseignante GPT0,316
Écart entre enseignants0,243 · 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.

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

Citations14
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of SurgeryMême sujetBiomedical Ethics and RegulationTravaux en français237 207