MétaCan
Menu
Retour à la cohorte
Enregistrement W3035153803 · doi:10.1016/s1470-2045(20)30334-x

Recommendations for head and neck surgical oncology practice in a setting of acute severe resource constraint during the COVID-19 pandemic: an international consensus

2020· review· en· W3035153803 sur OpenAlexaff
Hisham Mehanna, John Hardman, Jared A. Shenson, Ahmad K. Abou‐Foul, Michael C. Topf, Mohammad AlFalasi, Jason Y. K. Chan, Velda Ling Yu Chow, Andreas Dietz, Johannes J. Fagan, Christian Godballe, Wojciech Golusiński, Akihiro Homma, Şefik Hoşal, N. Gopalakrishna Iyer, Cyrus Kerawala, Yoon Woo Koh, Anna Konney, Luiz Paulo Kowalski, Dennis H. Kraus, Moni Abraham Kuriakose, Efthymios Kyrodimos, Stephen Y. Lai, C. René Leemans, Paul Lennon, Lisa Licitra, Pei‐Jen Lou, Bernard Lyons, H. Mirghani, Vinidh Paleri, Benedict Panizza, Pablo Parente Arias, Mihir R. Patel, Cesare Piazza, Danny Rischin, Álvaro Sanabria, Robert P. Takes, David Thomson, Ravindra Uppaluri, Yu Wang, Sue S. Yom, Yi-ming Zhu, Sandro Porceddu, John R. de Almeida, Chrisian Simon, F. Christopher Holsinger

Notice bibliographique

RevueThe Lancet Oncology · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensToronto Rehabilitation InstituteUniversity of TorontoUniversity Health NetworkInstitute for Work & HealthWestern University
Organismes subventionnairesNational Cancer InstituteTata Memorial CentreEuropean Organisation for Research and Treatment of CancerNational Cancer Centre of SingaporeNational Institute for Health and Care ResearchNational Cancer Research InstituteAmerican College of Radiology Imaging Network
Mots-clésMedicinePandemicContext (archaeology)Head and neck cancerDelphi methodSurgical oncologyHealth careCoronavirus disease 2019 (COVID-19)Intensive care medicineRadiation therapyOncologyInternal medicineDiseaseInfectious disease (medical specialty)Political science

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,016
score de la tête « metaresearch » (Gemma)0,038
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,038
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,001
Communication savante0,0050,005
Science ouverte0,0050,004
Intégrité de la recherche0,0080,010
Charge utile insuffisante (le modèle a refusé de juger)0,0130,004

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 Opus0,305
Tête enseignante GPT0,552
Écart entre enseignants0,248 · 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
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

Citations118
Publié2020
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueThe Lancet OncologyMême sujetCOVID-19 and healthcare impactsTravaux en français237 207