MétaCan
Menu
Retour à la cohorte
Enregistrement W4220742071 · doi:10.1038/s41374-022-00759-x

USCAP 2022 Abstracts: Informatics (977-1017)

2022· article· en· W4220742071 sur OpenAlexaff
Rhonda Yantiss Chair, Kristin Jensen Chair, Cme Subcommittee, Laura C. Collins, Yuri Fedoriw, Ilan Weinreb, Carla Chair, Adebowale Adeniran, Kimberly H. Allison, Sarah Dry, William C. Faquin, Karen Fritchie, Jennifer Gordetsky, Levon Katsakhyan, Pathologist-In-Training Melinda, J Lerwill, M Beatriz, Susana Lopes, Julia Naso, Pathologist-In-Training Liron, Pantanowitz Carlos, Parra-Herran Rajiv, Mishal Patel, Matt Quick, David J. Schaeffer, Lynette M. Sholl, Olga K. Weinberg, Maria Westerhoff, Benjamin Adam, Oyedele Adeyi, Mariam P. Alexander, Daniela Allende, Catalina Amador, Vijayalakshmi Ananthanarayanan, Tatjana Antic, Manju Aron, Roberto Barrios, Gregory Bean Govind, Bhagat Luis, Zabala Blanco, Michael Bonert, Alain Borczuk, Tamar Brandler, Eric Burks, Kelly J. Butnor, Sarah Calkins, Weibiao Cao, Cao Barbara, Ann Centeno, Joanna Sy, Chan Kung-Chao, Chang Hao, Chen Chen, Yunn‐Yi Chen, Sarah Chiang, Soo‐Jin Cho, Shefali Chopra, Nicole A. Cipriani, Cecilia Clement, Claudiu Cotta, Jennifer Cotter, Sonika Dahiya, Elizabeth G. Demicco, Katie Dennis, Jasreman Dhillon, Anand S. Dighe, Bojana Djordjevic, Michelle R. Downes, Charles G. Eberhart, Andrew Evans, Fang Fan, Julie C. Fanburg–Smith, Gelareh Farshid, Michael Feely, Susan Fineberg, Dennis Firchau, Gregory A. Fishbein, Agnes B. Fogo, Andrew L. Folpe, Danielle Fortuna, Billie Fyfe-Kirschner, Zeina Ghorab, Giovanna A. Giannico, Anthony J. Gill, Tamar Giorgadze, Alessio Giubellino, Carolyn Glass, Carmen Gomez‐Fernandez, Shunyou Gong, Purva Gopal, Abha Goyal, Christopher Griffith, Ian S. Hagemann, Gillian Leigh, Hale Suntrea, T Hammer, Malini Harigopal, Kammi Henriksen, Jonas J. Heymann, Carlo Hojilla, Aaron R. Huber, Jabed Iqbal, Shilpa Jain, Vickie Y. Jo, Ivy John, Dan Jones, Ridas Juskevicius, Meghan Kapp, Nora Katabi, Francesca Khani, Joseph D. Khoury, Benjamin R. Kipp, Veronica Klepeis, Christian A. Kunder, Stefano La, Rosa Stephen, Maria Marcella Laganà, Keith Lai, Goo Lee, Michael J. Lee, Vasiliki Leventaki, Madelyn Lew, Faqian Li, Ying Li, Chieh‐Yu Lin, Mikhail Lisovsky, Lesley Lomo, Fang‐I Lu, Ma Varsha, Manucha Rachel, Angelica Mariani, Brock Aaron, Martin David, S Mcclintock, Anne M. Mills, Sangjeong Ahn, Cristina Eunbee Cho, Yeojin Jeong, Ji-Eon Kim, Jonghyun Lee, Namkug Kim, Jiyoon Jung, Ju Yeon Pyo, Ji-Sun Song, Woon Yong Jung, Yoo Jin Lee, Min Kyoung, David Beyer, Etienne Mahé, Leslee Phillips, Heather Sereda, Susan Nahirniak, Bindu Challa, David A. Kellough, Swati Satturwar, Giovanni Lujan, Wendy L. Frankel, Anil V. Parwani, Shaoli Sun, Zaibo Li, Zachary L. Chelsky, Lester J. Layfield, Katie Wilkinson, Richard Hammer, Yaswitha Jampani

Notice bibliographique

RevueLaboratory Investigation · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensAlberta Health ServicesUniversity of AlbertaUniversity of CalgaryAlberta Hospital EdmontonUniversity of Alberta Hospital
Organismes subventionnairesFoundation Medicine
Mots-clésInformaticsMedicineComputer scienceLibrary scienceEngineeringElectrical engineering

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)0,001
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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,507
Score d'incertitude au seuil0,592

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,009
Tête enseignante GPT0,253
Écart entre enseignants0,243 · 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'étudeSans objet
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
Publié2022
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueLaboratory InvestigationMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207