MétaCan
Menu
Retour à la cohorte
Enregistrement W2765335987 · doi:10.1016/s1470-2045(17)30597-1

Participant selection for lung cancer screening by risk modelling (the Pan-Canadian Early Detection of Lung Cancer [PanCan] study): a single-arm, prospective study

2017· article· en· W2765335987 sur OpenAlexafffundabout
Martin C. Tammemägi, Heidi Schmidt, Simon Martel, Annette McWilliams, John R. Goffin, Michael R. Johnston, Garth Nicholas, Alain Tremblay, Geoffrey Liu, Kam Soghrati, Kazuhiro Yasufuku, David Hwang, Francis Laberge, Michel Gingras, Sergio Pasian, Christian Couture, John R. Mayo, Paola V. Nasute Fauerbach, Sukhinder Atkar-Khattra, Stuart Peacock, Sonya Cressman, Diana N. Ionescu, John C. English, Richard J. Finley, John Yee, Serge Puksa, Lori Stewart, Scott Tsai, Ehsan Haider, Colm Boylan, Jean‐Claude Cutz, Daria Manos, Zhaolin Xu, Glenwood Goss, Jean M. Seely, Kayvan Amjadi, Harmanjatinder S. Sekhon, Paul Burrowes, Paul MacEachern, Stefan J. Urbanski, Don D. Sin, Wan C. Tan, Natasha B. Leighl, Frances A. Shepherd, William K. Evans, Ming‐Sound Tsao, Stephen Lam

Notice bibliographique

RevueThe Lancet Oncology · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensSt. Paul's HospitalQueen's UniversityVancouver General HospitalUniversity of CalgaryOttawa HospitalUniversity Health NetworkDalhousie UniversitySt. Joseph’s Healthcare HamiltonInstitut universitaire de cardiologie et de pneumologie de QuébecJuravinski Cancer CentreMemorial University of NewfoundlandBC Cancer AgencyBrock University
Organismes subventionnairesPartenariat Canadien Contre Le CancerTerry Fox Research InstitutePancreatic Cancer Action Network
Mots-clésMedicineLung cancerNational Lung Screening TrialLung cancer screeningCancerInternal medicineBody mass indexFamily historyProspective cohort studyIncidence (geometry)Oncology

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)0,012
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,302
Score d'incertitude au seuil0,608

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,019
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,001
Communication savante0,0010,001
Science ouverte0,0040,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,093
Tête enseignante GPT0,396
Écart entre enseignants0,303 · 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'étudeObservationnel
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

Citations219
Publié2017
Routes d'admission3
Résumé présentnon

Explorer davantage

Même revueThe Lancet OncologyMême sujetLung Cancer Diagnosis and TreatmentTravaux en français237 207