MétaCan
Menu
Retour à la cohorte
Enregistrement W2957083515 · doi:10.1016/j.cjtee.2019.05.003

National Spinal Cord Injury Registry of Iran (NSCIR-IR) – a critical appraisal of its strengths and weaknesses

2019· article· en· W2957083515 sur OpenAlexaff
Mahdi Sharif-Alhoseini, Zahra Azadmanjir, Mohsen Sadeghi-Naini, Zahra Ghodsi, Khatereh Naghdi, Mahdi Mohammadzadeh, Amir Azarhomayoun, Kazem Zendehdel, Moein Khormali, Farideh Sadeghian, Seyed Behzad Jazayeri, Mojtaba Sehat, Habibollah Pirnejad, Edward C. Benzel, Gerard O’Reilly, Michael G. Fehlings, Alexander R. Vaccaro, Vafa Rahimi‐Movaghar

Notice bibliographique

RevueChinese Journal of Traumatology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueTrauma and Emergency Care Studies
Établissements canadiensToronto Western HospitalUniversity Health Network
Organismes subventionnairesTehran University of Medical Sciences and Health Services
Mots-clésStrengths and weaknessesQuality assuranceMedicineObservational studyBenchmarkingHealth careAccreditationFamily medicineMedical emergencyBusinessMedical educationPsychologyPolitical scienceMarketingPathology

Résumé

récupéré en direct d'OpenAlex

The National Spinal Cord Injury Registry of Iran (NSCIR-IR) is a not-for-profit, hospital-based, and prospective observational registry that appraises the quality of care, long-term outcomes and the personal and psychological burden of traumatic spinal cord injury in Iran. Benchmarking validity in every registry includes rigorous attention to data quality. Data quality assurance is essential for any registry to make sure that correct patients are being enrolled and that the data being collected are valid. We reviewed strengths and weaknesses of the NSCIR-IR while considering the methodological guidelines and recommendations for efficient and rational governance of patient registries. In summary, the steering committee, funded and maintained by the Ministry of Health and Medical Education of Iran, the international collaborations, continued staff training, suitable data quality, and the ethical approval are considered to be the strengths of the registry, while limited human and financial resources, poor interoperability with other health systems, and time-consuming processes are among its main weaknesses.

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)0,000
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,093
Score d'incertitude au seuil0,498

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,025
Tête enseignante GPT0,396
Écart entre enseignants0,371 · 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

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChinese Journal of TraumatologyMême sujetTrauma and Emergency Care StudiesTravaux en français237 207