MétaCan
Menu
Retour à la cohorte
Enregistrement W4291145850 · doi:10.1038/s41591-022-01951-8

Publisher Correction: Reporting guideline for the early-stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI

2022· erratum· en· W4291145850 sur OpenAlexaff
Baptiste Vasey, Myura Nagendran, B. A. Campbell, David A. Clifton, Gary S. Collins, Spiros Denaxas, Alastair K. Denniston, Livia Faes, Bart Geerts, Mudathir Ibrahim, Xiaoxuan Liu, Bilal A. Mateen, Piyush Mathur, Melissa D. McCradden, Lauren Morgan, Johan Ordish, Campbell Rogers, Suchi Saria, Daniel Ting, Peter Watkinson, Wim Weber, Peter Wheatstone, Peter McCulloch, Aaron Lee, Alan G. Fraser, Ali Connell, Alykhan Vira, Andre Esteva, Andrew D. Althouse, Andrew L. Beam, Anne de Hond, Anne‐Laure Boulesteix, Anthony Bradlow, Ari Ercole, Arsenio Páez, Athanasios Tsanas, Barry Kirby, Ben Glocker, Carmelo Velardo, Chang Min Park, Charisma Hehakaya, Chris Baber, Chris Paton, Christian Johner, Christopher Kelly, Christopher Yau, Clare McGenity, Constantine Gatsonis, Corinne Faivre‐Finn, Crispin Simon, Danielle Sent, Danilo Bzdok, Darren Treanor, David Wong, David F. Steiner, David Higgins, Dawn Benson, Declan P. O’Regan, Dinesh V. Gunasekaran, Dominic Danks, Emanuele Neri, Evangelia Kyrimi, Falk Schwendicke, Farah Magrabi, Frances Ives, Frank Rademakers, G Fowler, Giuseppe Frau, Henry David Jeffry Hogg, Hani J. Marcus, Heang‐Ping Chan, Henry Xiang, Hugh McIntyre, Hugh Harvey, Hyungjin Kim, Ibrahim Habli, James C. Fackler, James H. Shaw, Janet Higham, Jared M. Wohlgemut, Jaron Chong, Jean‐Emmanuel Bibault, Jérémie F. Cohen, Jesper Kers, Jessica Morley, Joachim Krois, João Monteiro, Joel Horovitz, John Fletcher, Jonathan Taylor, Jung Hyun Yoon, Karandeep Singh, Karel G. M. Moons, Kassandra Karpathakis, Ken Catchpole, Kerenza Hood, Konstantinos Balaskas, Konstantinos Kamnitsas, Laura G. Militello, Laure Wynants, Lauren Oakden‐Rayner, Laurence Lovat, Luc Smits, Ludwig Christian Hinske, M. Khair ElZarrad, Maarten van Smeden, Mara Giavina‐Bianchi, Mark Daley, Mark Sendak, Mark Sujan, Maroeska M. Rovers, Matthew DeCamp, Mark Woodward, Matthieu Komorowski, Max Marsden, Maxine Mackintosh, Michael D. Abràmoff, Miguel Ángel Armengol de la Hoz, Neale Hambidge, Neil Daly, Niels Peek, Oliver Redfern, Omer F. Ahmad, Patrick M. Bossuyt, Pearse A. Keane, Pedro Ferreira, Petra Schnell‐Inderst, Pietro Mascagni, Prokar Dasgupta, Pujun Guan, Rachel Barnett, Rawen Kader, Reena Chopra, Ritse M. Mann, Rupa Sarkar, Saana M. Mäenpää, Samuel G. Finlayson, Sarah Vollam, Sebastian J. Vollmer, Seong Ho Park, Shakir Laher, Shalmali Joshi, Siri Lise van der Meijden, Susan C. Shelmerdine, Tien‐En Tan, Tom J. W. Stocker, Valentina Giannini, Vince I. Madai, Virginia Newcombe, Wei Yan Ng, Wendy Rogers, William Ogallo, Yoonyoung Park, Zane Perkins

Notice bibliographique

RevueNature Medicine · 2022
Typeerratum
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensWestern UniversityMila - Quebec Artificial Intelligence InstituteHospital for Sick ChildrenPublic Health OntarioUniversity of Toronto
Organismes subventionnairesNational Medical Research CouncilSingHealth FoundationAgency for Science, Technology and ResearchAcademy of Medical SciencesNational Institute for Health and Care ResearchAlan Turing Institute
Mots-clésGuidelineStage (stratigraphy)Computer scienceArtificial intelligenceClinical decision support systemDecision support systemMedicinePathologyBiology

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 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)0,021
score de la tête « metaresearch » (Gemma)0,248
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,979
Score d'incertitude au seuil0,233

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,248
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0080,006
Études des sciences et des technologies0,0060,005
Communication savante0,0110,004
Science ouverte0,0080,003
Intégrité de la recherche0,0200,027
Charge utile insuffisante (le modèle a refusé de juger)0,0700,064

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 Opus0,270
Tête enseignante GPT0,545
Écart entre enseignants0,275 · 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.

Devis d'étudeSans objet
DomainePrésentation des résultats
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2022
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueNature MedicineMême sujetArtificial Intelligence in Healthcare and EducationTravaux en français237 207