MétaCan
Menu
Retour à la cohorte
Enregistrement W3214627594 · doi:10.1161/svin.121.000177

Standardized Reporting of Workflow Metrics in Acute Ischemic Stroke Treatment: Why and How?

2021· article· en· W3214627594 sur OpenAlexaff
Mayank Goyal, Jeffrey L. Saver, Aravind Ganesh, Rosalie McDonough, Yvo B.W.E.M. Roos, Grégoire Boulouis, Martin Kurz, Marios‐Nikos Psychogios, Staffan Holmin, Charles B.L.M. Majoie, Romain Bourcier, Ronil V. Chandra, Shinichi Yoshimura, Dileep R. Yavagal, Benjamin Gory, Christian Taschner, Brian Buck, Ashutosh P. Jadhav, Michael D. Hill, Johanna M. Ospel

Notice bibliographique

RevueStroke Vascular and Interventional Neurology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensUniversity of AlbertaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésWorkflowInterquartile rangeMedicineConsistency (knowledge bases)Stroke (engine)PercentileComputer scienceMedical physicsInternal medicineDatabaseArtificial intelligenceStatisticsEngineering

Résumé

récupéré en direct d'OpenAlex

The benefit of acute ischemic stroke (AIS) treatment is highly time dependent. Although studies on workflow improvement in AIS are increasingly gaining attention, there is a lack of consensus and consistency regarding the definition, measurement, and reporting of AIS workflow times. We discuss the challenges related to defining and measuring workflow times in AIS and propose a basic set of time intervals that should be reported in AIS workflow studies. We particularly focus on patients undergoing mechanical thrombectomy. Importantly, endovascular treatment workflow times should always be reported in conjunction with reperfusion quality because one is not informative without the other. We further suggest standardized reporting of workflow times that includes the 90th percentile in addition to medians and interquartile ranges, means, and SDs. The proposed methodology serves as a framework for AIS studies and aids further discussion on workflow-related AIS research.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,400
Score d'incertitude au seuil0,718

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0000,000

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 Opus0,021
Tête enseignante GPT0,281
Écart entre enseignants0,260 · 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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStroke Vascular and Interventional NeurologyMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207