Oral Presentation Abstracts from the ASIA 38th Annual Scientific Meeting; Denver, Colorado; April 19-21, 2012
Notice bibliographique
Résumé
Objective: To develop a minimal data set to describe spinal column injuries, referred to as the International SCI Spinal Column Injury Basic Data Set.Design: Expert opinion, feedback, and final consensus.Participants/ Methods: An expert committee defined the data elements included in the International SCI Spinal Column Injury Basic Data Set.The data set was then disseminated to the appropriate committees and organizations for comment.All feedback was considered, and the final version was endorsed by both the International Spinal Cord Society and the American Spinal Injury Association.Results: The data set consists of 7 variables: (1) penetrating/blunt injury, (2) spinal column injury(ies), (3) single/multiple level spinal column injury(ies), (4) spinal column injury level number, (5) spinal column injury level, (6) disc/ posterior ligamentous complex injury, and (7) traumatic translation.All variables are coded using numbers or characters.Each spinal column injury is coded (variable 4) and described (variables 5-7).Sample clinical cases will be presented to illustrate how the data are coded.Conclusion: The International SCI Spinal Column Injury Basic Data Set will facilitate comparisons of spinal column injury data among studies and countries.It is part of the National Institute of Neurological Disorders and Stroke Common Data Element project and can now be included in SCI clinical studies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,275 | 0,100 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».