MétaCan
Menu
Retour à la cohorte
Enregistrement W4293916780 · doi:10.1007/s00350-022-6294-7

Medico-legale Hintergründe von App-basierten Ersthelfersystemen: Aktueller Stand und Implikationen für die Praxis der Implementierung

2022· article· de· W4293916780 sur OpenAlexaff
Christian Elsner, Katharina Elsner, Alexander Radbruch, Benedict H. Gross

Notice bibliographique

RevueMedizinrecht · 2022
Typearticle
Languede
DomaineBusiness, Management and Accounting
ThématiqueDigital Innovation in Industries
Établissements canadiensPricewaterhouseCoopers (Canada)
Organismes subventionnairesnon disponible
Mots-clésPolitical science

Résumé

récupéré en direct d'OpenAlex

hängt gerade im Bereich der personalisierten Medizin der Fortschritt maßgeblich vom Digitalisierungsgrad der Behandlungsinformationen ab.Benötigt werden hochaufgelöste, qualitätsgesichert erhobene, interoperable Daten, die alle Behandlungspfade sektorenübergreifend abbilden und Versorgungsdaten in die Auswertung einbeziehen.Diese Gesundheitsdaten sollten dem Einzelnen über eine interoperable nationale Infrastruktur, als Teil des entstehenden European Health Data Space (EHDS) 51 auch die europaweite Nutzung zur Verbesserung seiner individuellen Gesundheitsversorgung ermöglichen.Speziell in der Onkologie geht es zudem darum, durch eine digitalisierte translationale Versorgung und Nutzung der Daten in der Wissenschaft und Forschung auch die Ziele des Europe's Beating Cancer Plan (EUBCP) 52 zu fördern.Generell betrachtet könnten die Gesundheitsdaten zudem nachhaltig dazu beitragen, die Finanzierung der Gesetzlichen Krankenversicherung zu stabilisieren.Warum nicht eine Lösung suchen, die neben Steuern, Bundeszuschüssen und Beitragssätzen "out of the box" diejenigen strukturell in die Finanzierung einbezieht, die ein nachweisbares berechtigtes gesellschaftliches Interesse an der wirtschaftlichen Nutzung der Gesundheitsdaten haben?Hierfür könnte die GKV die Daten ihrer Beitragszahler als Teil eines stark regulierten Wachstumsmarktes anbieten und einen monetären Wert generieren.Jeweils unter der Bedingung, einer vollständig transparenten, reglementierten und systemkonformen Verwendung im Sinne der Versicherten und eines angemessenen monetären Werts als Beitrag zur Finanzierung des Sozialversicherungssystems 53 .Abschließend sei noch einmal an den Kern des Aufsatzes erinnert und damit auch daran, dass eine direkte Generierung der Daten mit den Patienten und prospektiv randomisierten registerbasierten Studien methodisch schon deshalb immer mehr an Bedeutung gewinnen wird, weil normale randomisierte klinische Studien aufgrund der zu geringen Patientenzahlen personalisierter Therapien so wie bislang faktisch lange Zeit nicht durchführbar sind.Dies gilt es auch methodisch zu berücksichtigen, ohne dabei auf RCT's zu verzichten, wo und wenn diese möglich sind.Vielleicht erscheint es heute in Teilen noch als Zukunft, die Menschen mit einer sog.n = 1 Medizin zu versorgen.Doch schauen wir einmal genauer hin, in Kombination mit der molekulargenetischen Diagnostik, hat diese Zukunft längst begonnen.Wir befinden uns nicht mehr am Beginn einer neuen Ära, sondern mittendrin im "Zeitalter der molekulargenetischen personalisierten Medizin"!

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)0,010
score de la tête « metaresearch » (Gemma)0,032
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: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,032
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,002
Communication savante0,0110,006
Science ouverte0,0010,005
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0210,004

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 Opus0,029
Tête enseignante GPT0,287
Écart entre enseignants0,258 · 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
GenreCommentaire

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

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueMedizinrechtMême sujetDigital Innovation in IndustriesTravaux en français237 207