P065 <break /> Virtual multidisciplinary discussion: Feasibility and diagnostic concordance with face-to-face multidisciplinary discussion
Notice bibliographique
Résumé
Background: Multidisciplinary discussion (MDD) is considered the gold standard for ILD diagnosis, however, centers where MDD is performed are limited. A virtual MDD (vMDD) meeting provides an attractive alternative to center-based MDD. Aim: To describe a vMDD model and determine if vMDD is feasible and achieves similar diagnoses to MDD. Methods: Cases with established MDD diagnoses were randomly selected from a longitudinal database. Chart review was performed using a standardized form to extract clinical data, and HRCT scans and surgical lung biopsy images were digitized. A vMDD meeting was held involving two pulmonologists, one radiologist and one pathologist, all with expertise in ILD. Data were viewed synchronously so as to mimic a face-to-face MDD. The vMDD diagnosis and diagnostic level of confidence was recorded and compared to the face-to-face MDD diagnosis. Results: 21 cases were reviewed. Diagnostic agreement between vMDD and MDD was 61.9% (13/21). Concordant diagnoses were IPF (8), hypersensitivity pneumonitis (3), and unclassifiable (2). Discordant diagnosis occurred in 8 cases (TABLE); the majority were rated as low or medium confidence diagnoses by the expert panel. Diagnostic agreement for IPF was good (kappa = 0.71).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».