MétaCan
Menu
Retour à la cohorte
Enregistrement W2886606374 · doi:10.1002/jmri.26198

Best practices for MRI systematic reviews and meta‐analyses

2018· review· en· W2886606374 sur OpenAlexaff
Trevor A. McGrath, Patrick M. Bossuyt, Paul Cronin, Jean‐Paul Salameh, Noémie Kraaijpoel, Nicola Schieda, Matthew D. F. McInnes

Notice bibliographique

RevueJournal of Magnetic Resonance Imaging · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensOttawa Public HealthOttawa HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésSystematic reviewMeta-analysisMedical physicsComputer scienceMedicineMEDLINEManagement scienceData sciencePathology

Résumé

récupéré en direct d'OpenAlex

As defined by the Cochrane Collaboration, a systematic review is a review of evidence with a clearly formulated question that uses systematic and explicit methods to identify, select, and critically appraise relevant primary research, and to extract and analyze data from the studies that are included in the review. Meta-analysis is a statistical method to combine the results from primary studies that accounts for sample size and variability to provide a summary measure of the studied outcome. Systematic reviews of diagnostic test accuracy present unique methodological and reporting challenges not present in systematic reviews of interventions. This review provides guidance and further resources highlighting current best practices in methodology and reporting of systematic reviews of diagnostic test accuracy, with a specific focus on challenges and opportunities for MRI imaging. Level of Evidence: 2 Technical Efficacy: Stage 2 J. Magn. Reson. Imaging 2018.

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)0,006
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,767
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0070,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,202
Tête enseignante GPT0,482
Écart entre enseignants0,279 · 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
GenreSynthèse

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 revueJournal of Magnetic Resonance ImagingMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207