MétaCan
Menu
Retour à la cohorte
Enregistrement W3024652151 · doi:10.1017/cjn.2020.96

The Virtual Neurologic Exam: Instructional Videos and Guidance for the COVID-19 Era

2020· review· en· W3024652151 sur OpenAlexaffvenue
Mariam Al Hussona, Monica Maher, David Chan, Jonathan A. Micieli, Jennifer D. Jain, Houman Khosravani, Aaron Izenberg, Charles D. Kassardjian, Sara Mitchell

Notice bibliographique

RevueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences Neurologiques · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentreSt. Michael's HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)TelemedicinePandemicSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakVirtual patientMedicineCognitionNeurological examinationVariety (cybernetics)Physical examinationPsychologyComputer sciencePhysical medicine and rehabilitationMedical physicsMedical educationHealth carePsychiatryArtificial intelligencePathologySurgery

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To outline features of the neurologic examination that can be performed virtually through telemedicine platforms (the virtual neurological examination [VNE]), and provide guidance for rapidly pivoting in-person clinical assessments to virtual visits during the COVID-19 pandemic and beyond. METHODS: The full neurologic examination is described with attention to components that can be performed virtually. RESULTS: A screening VNE is outlined that can be performed on a wide variety of patients, along with detailed descriptions of virtual examination maneuvers for specific scenarios (cognitive testing, neuromuscular and movement disorder examinations). CONCLUSIONS: During the COVID-19 pandemic, rapid adoption of virtual medicine will be critical to provide ongoing and timely neurological care. Familiarity and mastery of a VNE will be critical for neurologists, and this article outlines a practical approach to implementation.

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)0,009
score de la tête « metaresearch » (Gemma)0,039
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,894
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,039
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0090,018
Communication savante0,0020,001
Science ouverte0,0040,000
Intégrité de la recherche0,0010,004
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 Opus0,069
Tête enseignante GPT0,346
Écart entre enseignants0,277 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
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

Citations105
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences NeurologiquesMême sujetLong-Term Effects of COVID-19Travaux en français237 207