MétaCan
Menu
Retour à la cohorte
Enregistrement W3008713106 · doi:10.1136/bjsports-2019-101921

Sport Medicine Diagnostic Coding System (SMDCS) and the Orchard Sports Injury and Illness Classification System (OSIICS): revised 2020 consensus versions

2020· article· en· W3008713106 sur OpenAlexafffund
John Orchard, Willem Meeuwisse, Wayne Derman, Martin Hägglund, Torbjørn Soligard, Martin Schwellnus, Roald Bahr

Notice bibliographique

RevueBritish Journal of Sports Medicine · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSports injuries and prevention
Établissements canadiensUniversity of Calgary
Organismes subventionnairesUniversity of Calgary
Mots-clésConsensus conferenceSports medicineMedicineCoding (social sciences)Family medicinePathology

Résumé

récupéré en direct d'OpenAlex

Coding in sports medicine generally uses sports-specific coding systems rather than the International Classification of Diseases (ICD), because of superior applicability to the profile of injury and illness presentations in sport. New categories for coding were agreed on in the 'International Olympic Committee (IOC) consensus statement: Methods for recording and reporting of epidemiological data on injury and illness in sports 2020.' We explain the process for determining the new categories and update both the Sport Medicine Diagnostic Coding System (SMDCS) and the Orchard Sports Injury and Illness Classification System (OSIICS) with new versions that operationalise the new consensus categories. The author group included members from an expert group attending the IOC consensus conference. The primary authors of the SMDCS (WM) and OSIICS (JO) produced new versions that were then agreed on by the remaining authors using expert consensus methodology. The SMDCS and OSIICS systems have been adjusted and confirmed through a consensus process to align with the IOC consensus statement to facilitate translation between the two systems. Problematic areas for defining body part categories included the groin and ankle regions. For illness codes, in contrast to the ICD, we elected to have a taxonomy of 'organ system/region' (eg, cardiovascular and respiratory), followed by an 'aetiology/pathology' (eg, environmental, infectious disease and allergy). Companion data files have been produced that provide translations between the coding systems. The similar structure of coding underpinning the OSIICS and SMDCS systems aligns the new versions of these systems with the IOC consensus statement and also facilitates easier translation between the two systems. These coding systems are freely available to the sport and exercise research community.

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)0,049
score de la tête « metaresearch » (Gemma)0,123
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,261

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0490,123
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0130,012
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0030,004
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0110,007

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 Opus0,014
Tête enseignante GPT0,253
Écart entre enseignants0,240 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations130
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Sports MedicineMême sujetSports injuries and preventionTravaux en français237 207