MétaCan
Menu
Retour à la cohorte
Enregistrement W3192490270 · doi:10.1111/bdi.12938

Poster Session I

2020· article· en· W3192490270 sur OpenAlexafffund
Roger S. McIntyre, Prakash S. Masand, Mehul Patel, Amanda Harrington, Patrick Gillard, Susan L. McElroy, Kate Sullivan, Brendan Montano, Brown, Lauren Nelson, Rakesh K. Jain, Joseph Boney, Nicolás A. Núñez, Mehak Pahwa, Balwinder, Singh Mayo, Yue Fei, Leping Huang, Xujuan Li, Haichen Yang, Zuowei Wang, Lavinia De Chiara, Alexia E. Koukopoulos, Gabriele Sani, Gloria Angeletti, Petter Jakobsen, Enrique Garcia-Ceja, Michael A. Riegler, Lena Antonsen Stabell, Jim Tørresen, Ole Bernt Fasmer, Ketil J. Øedegaard, Huifeng Zhang, Zhen Zhou, Wenjiang Ding, Chuangxin Wu, Meihui Qiu, Yueqi Huang, Feng, Ting Shen, Li, Ming Hsu, Jinhong Wang, Han Zhang, Dinggang Shen, Daihui Peng, Edurne García-Corres, Saínza García-Fernández, Gorostegi, Sara Maldonado‐Martín, Purificación López-Peña, Ana González‐Pinto, Maj Vinberg, Vibe Gedsoe Froekjaer, Lars Vedel Kessing, Maria Faurholt‐Jepsen

Notice bibliographique

RevueBipolar Disorders · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueBipolar Disorder and Treatment
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of TorontoAmsterdam University Medical CentersMcGill University Health CentreMcGill UniversityJewish General HospitalUniversità degli Studi di Napoli Federico II
Mots-clésSession (web analytics)PsychologyMedicinePhysical medicine and rehabilitationWorld Wide WebComputer science

Résumé

récupéré en direct d'OpenAlex

Introduction: Depressive episodes/symptoms of bipolar I disorder (BPD-I) are commonly misdiagnosed as major depressive disorder (MDD). We developed a brief, self-rated, pragmatic tool that screens for manic symptoms and identifies BPD-I risk factors (eg, age of onset) to reduce misdiagnosis of BPD-I as MDD. Method: Existing questionnaires and risk factors were identified through a targeted literature search to select concepts thought to differentiate BPD-I from MDD. Individuals with self-reported BPD-I or MDD (N = 12) participated in cognitive debriefing interviews to test and refine item wording. An observational study was conducted to evaluate the tool's predictive validity. Participants with clinical interview-confirmed diagnoses of BPD-I or MDD completed a 10item screening tool and other questionnaires. Data were analyzed to identify a smaller subset of items with optimized sensitivity and specificity.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,732
Score d'incertitude au seuil0,703

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,257
Écart entre enseignants0,240 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBipolar DisordersMême sujetBipolar Disorder and TreatmentTravaux en français237 207