MétaCan
Menu
Retour à la cohorte
Enregistrement W3041871177 · doi:10.4103/eus.eus_20_20

Do we need contrast agents for EUS?

2020· review· en· W3041871177 sur OpenAlexaff
ChristophF Dietrich, Adrian Săftoiu, Bertrand Napoléon, Paolo Giorgio Arcidiacono, Barbara Braden, S. Burmeister, Silvia Carrara, Pietro Fusaroli, Michael Hocke, Stephan Hollerbach, Julio Iglesias‐García, Christian Jenssen, Masayuki Kitano, Alberto Larghi, KofiW Oppong, AnandV Sahai, Siyu Sun, Eike Burmester, Milena Di Leo, Maria Chiara Petrone, E. Lanz Santos, A Teoh, Joo Ha Hwang, Mihai Rimbaș, Malay Sharma, Rajesh Puri, Michel Kahaleh

Notice bibliographique

RevueEndoscopic Ultrasound · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueMedical Imaging and Pathology Studies
Établissements canadiensCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésContrast (vision)ModalitiesMedicineMedical physicsRadiologyComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

We recently introduced a series of articles that dealt with controversies in EUS. In Part I, the authors discussed which clinical information is necessary prior to EUS and whether other imaging modalities are required before embarking on EUS examinations. Part II focuses on technical details and controversies about the use of EUS in special situations. In this article, important practical issues regarding the application of contrast-enhanced EUS in various clinical settings are raised and controversially discussed from different points of view.

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)0,004
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,002
Communication savante0,0020,007
Science ouverte0,0010,001
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,099
Tête enseignante GPT0,394
Écart entre enseignants0,295 · 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

Citations37
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEndoscopic UltrasoundMême sujetMedical Imaging and Pathology StudiesTravaux en français237 207