MétaCan
Menu
Retour à la cohorte
Enregistrement W2551027286 · doi:10.3402/jmahp.v4.33248

A training paradigm to enhance performance and safe use of an innovative neuroendovascular device

2016· article· en· W2551027286 sur OpenAlexaff
Donald R. Ricci, Thomas R. Marotta, Howard A. Riina, Martina Wan, Joost de Vries

Notice bibliographique

RevueJournal of Market Access & Health Policy · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury and Neurovascular Disturbances
Établissements canadiensUniversity of TorontoSt. Michael's HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputer scienceTraining (meteorology)Complement (music)Selection (genetic algorithm)Medical physicsMedicineArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Training has been important to facilitate the safe use of new devices designed to repair vascular structures. This paper outlines the generic elements of a training program for vascular devices and uses as an example the actual training requirements for a novel device developed for the treatment of bifurcation intracranial aneurysms. Critical elements of the program include awareness of the clinical problem, technical features of device, case selection, and use of a simulator. Formal proctoring, evaluation of the training, and recording the clinical outcomes complement these elements. Interventional physicians should embrace the merits of a training module to improve the user experience, and vendors, physicians, and patients alike should be aligned in the goal of device training to improve its success rate and minimize complications of the procedure.

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 candidatesaucune
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 enseignants0,981
Score d'incertitude au seuil0,495

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,091
Tête enseignante GPT0,409
Écart entre enseignants0,318 · 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'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

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Market Access & Health PolicyMême sujetTraumatic Brain Injury and Neurovascular DisturbancesTravaux en français237 207