MétaCan
Menu
Retour à la cohorte
Enregistrement W4283771689 · doi:10.1186/s12911-022-01913-7

Incorporation of complementary and traditional medicine in ICD-11

2021· article· en· W4283771689 sur OpenAlexfundno aff
Bill Reddy, Arthur Yin Fan

Notice bibliographique

RevueBMC Medical Informatics and Decision Making · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueComplementary and Alternative Medicine Studies
Établissements canadiensnon disponible
Organismes subventionnairesInstitut canadien d'information sur la santéAgency for Healthcare Research and Quality
Mots-clésStandardizationHealth informaticsICD-10Coding (social sciences)Medical classificationMedicineInformation systemData scienceComputer sciencePublic healthPolitical sciencePathologySociologySocial science

Résumé

récupéré en direct d'OpenAlex

Traditional medicine (TM) is practiced in various forms in over 180 countries. Despite this, health information systems on TM are limited. Consistent with this, the World Health Organization's (WHO) international classification for diseases (ICD) has not to date included TM concepts. This is now changing, as the WHO has endorsed the reflection of TM paradigms in the new 11th Revision of ICD (ICD-11). Although some countries have had national Traditional Medicine classification systems for many years, information from such systems has not been standardized nor been made available globally. By including TM within the ICD, international standardization will be possible allowing for measuring, counting, comparing, formulating questions and monitoring over time. ICD-11 is a classification system for the twenty-first century, and it now provides an opportunity for interested users to integrate the coding of diagnostic concepts from both TM and Western Medicine. This paper describes the new TM classification in ICD and demonstrates through coding examples how to code TM concepts alongside Western Medicine concepts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,062
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,062
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,013
Études des sciences et des technologies0,0010,002
Communication savante0,0040,002
Science ouverte0,0020,004
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0130,004

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 Opus0,125
Tête enseignante GPT0,384
Écart entre enseignants0,259 · 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 source (Gemma direct ou Codex distillé), 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

Citations24
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Medical Informatics and Decision MakingMême sujetComplementary and Alternative Medicine StudiesTravaux en français237 207