MétaCan
Menu
Retour à la cohorte
Enregistrement W3120441980 · doi:10.3389/fnhum.2020.588458

International Legal Approaches to Neurosurgery for Psychiatric Disorders

2021· review· en· W3120441980 sur OpenAlexafffund
Jennifer A. Chandler, Laura Y. Cabrera, Paresh K. Doshi, Shirley Fecteau, Joseph J. Fins, Salvador Guinjoan, Clement Hamani, Karen Herrera-Ferrá, C. Michael Honey, Judy Illes, Brian H. Kopell, Nir Lipsman, Patrick J. McDonald, Helen S. Mayberg, Roland Nadler, Bart Nuttin, Albino J. Oliveira‐Maia, Cristian Rangel, Raphael Rego Borges Ribeiro, Arleen Salles, Hemmings Wu

Notice bibliographique

RevueFrontiers in Human Neuroscience · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueNeurological disorders and treatments
Établissements canadiensBC Children's HospitalUniversity of TorontoNeuroDevNetUniversity of British ColumbiaUniversity of ManitobaSunnybrook Health Science CentreUniversité LavalUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health ResearchUniversity of Ottawa
Mots-clésScope (computer science)HarmonizationPsychosurgerySet (abstract data type)Order (exchange)Field (mathematics)NeurosurgeryPolitical scienceMedicineLawPsychologyPsychiatryBusinessComputer science

Résumé

récupéré en direct d'OpenAlex

Neurosurgery for psychiatric disorders (NPD), also sometimes referred to as psychosurgery, is rapidly evolving, with new techniques and indications being investigated actively. Many within the field have suggested that some form of guidelines or regulations are needed to help ensure that a promising field develops safely. Multiple countries have enacted specific laws regulating NPD. This article reviews NPD-specific laws drawn from North and South America, Asia and Europe, in order to identify the typical form and contents of these laws and to set the groundwork for the design of an optimal regulation for the field. Key challenges for this design that are revealed by the review are how to define the scope of the law (what should be regulated), what types of regulations are required (eligibility criteria, approval procedures, data collection, and oversight mechanisms), and how to approach international harmonization given the potential migration of researchers and patients.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,961
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,150
Tête enseignante GPT0,349
Écart entre enseignants0,199 · 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 tête enseignante, pas un consensus.

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

Citations22
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Human NeuroscienceMême sujetNeurological disorders and treatmentsTravaux en français237 207