MétaCan
Menu
Retour à la cohorte
Enregistrement W3111318509 · doi:10.1016/j.clinph.2020.11.018

Training in the practice of noninvasive brain stimulation: Recommendations from an IFCN committee

2020· review· en· W3111318509 sur OpenAlexaff
Peter J. Fried, Emiliano Santarnecchi, Andrea Antal, David Bartrés‐Faz, Sven Bestmann, Linda L. Carpenter, Pablo Celnik, Dylan J. Edwards, Faranak Farzan, Shirley Fecteau, Mark S. George, Bin He, Yun‐Hee Kim, Letizia Leocani, Sarah H. Lisanby, Colleen Loo, Bruce Luber, Michael A. Nitsche, Walter Paulus, Símone Rossi, Paolo Maria Rossini, John C. Rothwell, Alexander T. Sack, Gregor Thut, Yoshikazu Ugawa, Ulf Ziemann, Mark Hallett, Álvaro Pascual‐Leone

Notice bibliographique

RevueClinical Neurophysiology · 2020
Typereview
Langueen
DomaineNeuroscience
ThématiqueTranscranial Magnetic Stimulation Studies
Établissements canadiensUniversité LavalSimon Fraser University
Organismes subventionnairesNational Institute of General Medical SciencesBeth Israel Deaconess Medical Center
Mots-clésBrain stimulationMedical educationPsychologyMedicineEngineering ethicsNeuroscienceStimulationEngineering

Résumé

récupéré en direct d'OpenAlex

As the field of noninvasive brain stimulation (NIBS) expands, there is a growing need for comprehensive guidelines on training practitioners in the safe and effective administration of NIBS techniques in their various research and clinical applications. This article provides recommendations on the structure and content of this training. Three different types of practitioners are considered (Technicians, Clinicians, and Scientists), to attempt to cover the range of education and responsibilities of practitioners in NIBS from the laboratory to the clinic. Basic or core competencies and more advanced knowledge and skills are discussed, and recommendations offered regarding didactic and practical curricular components. We encourage individual licensing and governing bodies to implement these guidelines.

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)0,053
score de la tête « metaresearch » (Gemma)0,061
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: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,278

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0530,061
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0080,006
Études des sciences et des technologies0,0020,002
Communication savante0,0040,006
Science ouverte0,0050,005
Intégrité de la recherche0,0120,010
Charge utile insuffisante (le modèle a refusé de juger)0,0090,010

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 Opus0,309
Tête enseignante GPT0,489
Écart entre enseignants0,180 · 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

Citations92
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical NeurophysiologyMême sujetTranscranial Magnetic Stimulation StudiesTravaux en français237 207