Developing a pneumonia diagnosis ontology from multiple knowledge sources
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Pneumonia is difficult to differentiate from other pulmonary diseases because it shares many symptoms with these diseases. Diagnosing pneumonia in clinical practice would benefit from having access to a codified representation of clinical knowledge. An ontology represents a well-established paradigm for such codification. Objectives: The goal of this research is to create Pneumonia Diagnosis Ontology (PNADO) that brings together the medical knowledge dispersed among multiple medical knowledge sources. Material and Methods: We used several clinical practice guidelines (CPGs) describing the pneumonia diagnostic process as a starting point in developing PNADO. Preliminary version of PNADO was subsequently expanded to cover a broader range of the concepts by reusing ontologies from Open Biological and Biomedical Ontology (OBO) Foundry and BioPortal. PNADO was evaluated by examining relevant concepts from the pneumonia-specific systematic reviews, using patient data from the MIMIC-III clinical dataset, and by clinical domain experts. Results: PNADO is a comprehensive ontology and has a rich set of classes and properties that cover different types of pneumonia, pathogens, symptoms, clinical signs, laboratory tests and imaging, clinical findings, complications, and diagnoses. Conclusion: PNADO unifies pneumonia diagnostic concepts from multiple knowledge sources. It is available in the BioPortal repository.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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