MétaCan
Menu
Retour à la cohorte
Enregistrement W2787534197

Towards an Argumentation System for Supporting Patients in Self-Managing their Chronic Conditions

2018· article· en· W2787534197 sur OpenAlexaff
Nadin Kökciyan, Isabel Sassoon, Anthony P. Young, Martin Chapman, Talya Porat, Mark Ashworth, Vasa Ćurčin, Sanjay Modgil, Simon Parsons, Elizabeth Sklar

Notice bibliographique

RevueResearch Portal (King's College London) · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueMulti-Agent Systems and Negotiation
Établissements canadiensInstitute of Population and Public Health
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésArgumentation theoryComputer scienceRisk analysis (engineering)BusinessEpistemology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

CONSULT is a decision-support framework designed to help patients self-manage chronic conditions and adhere to agreed-upon treatment plans, in collaboration with healthcare professionals. The approach taken employs computational argumentation, a logic-based methodology that provides a formal means for reasoning with evidence by substantiating claims for and against particular conclusions. This paper outlines the architecture of CONSULT, illustrating how facts are gathered about the patient and various preferences of the patient and the clinician(s) involved. A logic-based representation of official treatment guidelines by various public health agencies is presented. Logical arguments are constructed from these facts and guidelines; these arguments are analysed to resolve inconsistencies concerning various treatment options and patient/clinician preferences. The claims of the justified arguments are the decisions recommended by CONSULT. A clinical example is presented which illustrates the use of CONSULT within the context of blood pressure management for secondary stroke prevention.

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)0,009
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,001
Communication savante0,0080,005
Science ouverte0,0020,006
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,040
Tête enseignante GPT0,358
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 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'étudeThéorique ou conceptuel
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

Citations36
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Portal (King's College London)Même sujetMulti-Agent Systems and NegotiationTravaux en français237 207