MétaCan
Menu
Retour à la cohorte
Enregistrement W2802637109 · doi:10.1016/j.cgh.2018.04.050

A Learning Collaborative Approach Increases Specificity of Diagnosis of Acute Liver Failure in Pediatric Patients

2018· article· en· W2802637109 sur OpenAlexaff
Michael R. Narkewicz, Simon Horslen, Regina M. Hardison, Norberto Rodriguez‐Baez, Estella M. Alonso, Vicky L. Ng, Mike A. Leonis, David A. Rudnick, René Romero, Girish Subbarao, Ruosha Li, Robert H. Squires, Kathryn Bukauskas, Madeline Schulte, Michelle Hite, Elizabeth B. Rand, David A. Piccoli, Deborah A. Kawchak, Christa Seidman, Saul J. Karpen, Liezl de la Cruz-Tracy, Kelsey Hunt, Ann Klipsch, Sarah Munson, Lisa Sorenson, Susan Kelly, Katie Neighbors, Shannon Fleck, John C. Bucuvalas, Tracie Horning, Norberto Rodriguez Baez, Shirley Montanye, Karen F. Murray, Melissa Young, Heather Nielson, Jani Klein, Ross W. Shepherd, Kathy Harris, Alejandro de la Torre, Dominic Dell Olio, Déirdre Kelly, Carla Lloyd, Steven Lobritto, Sumerah Bakhsh, Maureen M. Jonas, Scott A. Elifoson, Roshan Raza, Kathleen B. Schwarz, Wikrom Karnsakul, Mary Kay Alford, Anil Dhawan, Emer Fitzpatrick, Nanda Kerkar, Brandy Haydel, Sreevidya Narayanappa, M. James Lopez, Victoria Shieck, Edward Doo, Averell H. Sherker, Steven H. Belle

Notice bibliographique

RevueClinical Gastroenterology and Hepatology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueLiver Disease and Transplantation
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institutes of HealthUniversity of PittsburghJohns Hopkins UniversityChildren's Hospital ColoradoMalaysian Society NephrologyUniversity of WashingtonEmory UniversityUniversity of CincinnatiBaylor College of MedicineHarvard Medical School
Mots-clésMedicineLiver failureIntensive care medicineMEDLINEInternal medicine

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,004
Score d'incertitude au seuil0,349

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,019
Tête enseignante GPT0,296
Écart entre enseignants0,277 · 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'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

Citations88
Publié2018
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueClinical Gastroenterology and HepatologyMême sujetLiver Disease and TransplantationTravaux en français237 207