MétaCan
Menu
Retour à la cohorte
Enregistrement W2791715268 · doi:10.1097/paf.0000000000000392

Epidermis and Enamel

2018· article· en· W2791715268 sur OpenAlexaff
Robert E. Barsley, Mark L. Bernstein, Paula C. Brumit, Robert B. J. Dorion, Gregory S. Golden, James M. Lewis, John D. McDowell, Roger D. Metcalf, David R. Senn, D Sweet, Richard A. Weems

Notice bibliographique

RevueAmerican Journal of Forensic Medicine & Pathology · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMedical Malpractice and Liability Issues
Établissements canadiensMcGill UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineScrutinyTerminologyHarmRoot causeDentistryLawOperations management

Résumé

récupéré en direct d'OpenAlex

Critics describe forensic dentists' management of bitemark evidence as junk science with poor sensitivity and specificity and state that linkages to a biter are unfounded. Those vocal critics, supported by certain media, characterize odontologists' previous errors as egregious and petition government agencies to render bitemark evidence inadmissible. Odontologists acknowledge that some practitioners have made past mistakes. However, it does not logically follow that the errors of a few identify a systemic failure of bitemark analysis. Scrutiny of the contentious cases shows that most occurred 20 to 40 years ago. Since then, research has been ongoing and more conservative guidelines, standards, and terminology have been adopted so that past errors are no longer reflective of current safeguards. The authors recommend a comprehensive root analysis of problem cases to be used to determine all the factors that contributed to those previous problems. The legal community also shares responsibility for some of the past erroneous convictions. Currently, most proffered bitemark cases referred to odontologists do not reach courts because those forensic dentists dismiss them as unacceptable or insufficient for analysis. Most bitemark evidence cases have been properly managed by odontologists. Bitemark evidence and testimony remain relevant and have made significant contributions in the justice system.

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)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,655
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,004
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,047
Tête enseignante GPT0,442
Écart entre enseignants0,395 · 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.

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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Forensic Medicine & PathologyMême sujetMedical Malpractice and Liability IssuesTravaux en français237 207