MétaCan
Menu
Retour à la cohorte
Enregistrement W4245064891 · doi:10.1002/9780471420194.tnmm06

Cancer Informatics

2017· other· en· W4245064891 sur OpenAlexaff
David A. Jaffray, Andrew Hope, Prateek Dwivedi, Terry Michaelson, André Dekker

Notice bibliographique

RevueTNM Online · 2017
Typeother
Langueen
DomaineComputer Science
ThématiqueAI in cancer detection
Établissements canadiensUniversity Health NetworkPrincess Margaret Cancer CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésInformaticsHealth informaticsComputer scienceBest practiceData scienceHealth informatics toolsKnowledge managementHealth Administration InformaticsProcess (computing)Translational research informaticsCancerFrontierHealth careMedicineEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

Summary Information collection and knowledge synthesis are central to the practice of cancer medicine. The expert cancer clinician has been trained in these concepts and merges them with delivery of care to build hypotheses that ultimately lead to evidence and a change in practice. The volume and diversity of patient‐derived data, the complexity of modern cancer treatments and the development of information technology over the past two decades require the adoption of informatics strategies if the process of delivering care is to substantially contribute to improving outcomes. In this chapter, we have endeavoured to assemble a cross‐section of important elements of a cancer informatics strategy, ranging from the technology, to data models, to critical operational issues that need to be considered in designing an effective cancer informatics strategy. Finally, a section highlighting the rapidly changing frontier of cancer informatics is provided to stimulate further reading.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,180
Score d'incertitude au seuil0,999

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,023
Tête enseignante GPT0,315
Écart entre enseignants0,292 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTNM OnlineMême sujetAI in cancer detectionTravaux en français237 207