MétaCan
Menu
Retour à la cohorte
Enregistrement W2975366483 · doi:10.1016/s2589-7500(19)30127-x

An awakening in medicine: the partnership of humanity and intelligent machines

2019· article· en· W2975366483 sur OpenAlexaffabout
Leo Anthony Celi, Benjamin Fine, David J. Stone

Notice bibliographique

RevueThe Lancet Digital Health · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueMachine Learning in Healthcare
Établissements canadiensUniversity of TorontoTrillium Health Centre
Organismes subventionnairesNational Institute of Biomedical Imaging and Bioengineering
Mots-clésHumanityGeneral partnershipRest (music)The InternetPsychologyInternet privacyMedical educationMedicineComputer scienceWorld Wide WebPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

In concurrence with the introduction of the internet, widely networked computers, and the collection of large amounts of digital data, the medical profession as a whole has become more self-aware and self-critical. It is increasingly apparent that suboptimal decisions are made at times and, on other occasions, are fatally flawed. Most clinical decisions rest largely on what is referred to as the art of medicine: that is, decision-making that is based on inconsistent and incomplete provider knowledge; variable skills, training, and experience; and last but not the least, an array of biases.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,027
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,140

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,025
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0060,066
Communication savante0,0240,034
Science ouverte0,0030,015
Intégrité de la recherche0,0140,020
Charge utile insuffisante (le modèle a refusé de juger)0,0110,003

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 Opus0,068
Tête enseignante GPT0,377
Écart entre enseignants0,309 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Lancet Digital HealthMême sujetMachine Learning in HealthcareTravaux en français237 207