MétaCan
Menu
Retour à la cohorte
Enregistrement W3205551384 · doi:10.1038/s41591-021-01517-0

A quality assessment tool for artificial intelligence-centered diagnostic test accuracy studies: QUADAS-AI

2021· letter· en· W3205551384 sur OpenAlexafffund
Viknesh Sounderajah, Hutan Ashrafian, Sherri Rose, Nigam H. Shah, Marzyeh Ghassemi, Robert Golub, Charles E. Kahn, Andre Esteva, Alan Karthikesalingam, Bilal A. Mateen, Dale R. Webster, Dan Miléa, Daniel Shu Wei Ting, Darren Treanor, Dominic Cushnan, Dominic King, Duncan McPherson, Ben Glocker, Felix Greaves, Leanne Harling, Johan Ordish, Jérémie F. Cohen, Jonathan J Deeks, Mariska Leeflang, Matthew C. Diamond, Matthew D. F. McInnes, Melissa D. McCradden, Michael D. Abràmoff, Pasha Normahani, Sheraz R. Markar, Stephanie Chang, Xiaoxuan Liu, Susan Mallett, Shravya Shetty, Alastair K. Denniston, Gary S. Collins, David Moher, Penny Whiting, Patrick M. Bossuyt, Ara Darzi

Notice bibliographique

RevueNature Medicine · 2021
Typeletter
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensOttawa HospitalHospital for Sick ChildrenUniversity of Ottawa
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNIHR Oxford Biomedical Research CentreNIHR Imperial Biomedical Research CentreMassachusetts General HospitalUK Research and InnovationAssistance publique-Hôpitaux de ParisInstitut National de la Santé et de la Recherche MédicaleSingapore Eye Research InstituteUniversity of OttawaImperial College LondonLinköpings UniversitetWellcome TrustUniversity College LondonCancer Research UKOxford University Hospitals NHS Foundation TrustAmsterdam University Medical CentersNational Institutes of HealthUniversity Hospitals Birmingham NHS Foundation TrustNuclear Power Institute of ChinaUniversiteit van AmsterdamUniversité de ParisOttawa Hospital Research InstituteUniversity of OxfordUniversity of LeedsNational Institute for Health and Care ExcellenceMassachusetts Institute of TechnologyUniversity of PennsylvaniaNational Institute for Health and Care Research
Mots-clésTest (biology)Diagnostic accuracyDiagnostic testArtificial intelligenceComputer scienceQuality (philosophy)Quality assessmentMedical physicsMachine learningExternal quality assessmentMedicinePathologyBiologyInternal medicinePediatrics

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 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)0,002
score de la tête « metaresearch » (Gemma)0,130
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,128
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,130
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,334
Tête enseignante GPT0,548
Écart entre enseignants0,215 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations242
Publié2021
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueNature MedicineMême sujetArtificial Intelligence in Healthcare and EducationTravaux en français237 207