MétaCan
Menu
Retour à la cohorte
Enregistrement W4294204345 · doi:10.1177/15347346221122860

Evolution of WIfI: Expansion of WIfI Notation After Intervention

2022· article· en· W4294204345 sur OpenAlexaff
Virginie Blanchette, Malindu E. Fernando, Laura Shin, Vincent L. Rowe, Kenneth R. Ziegler, David G. Armstrong

Notice bibliographique

RevueThe International Journal of Lower Extremity Wounds · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetic Foot Ulcer Assessment and Management
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney Diseases
Mots-clésIntervention (counseling)NotationMedicineThreatened speciesDiabetic footComputer scienceIntensive care medicineIschemiaPhysical medicine and rehabilitationDiabetes mellitusInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

Nearly a decade ago, the Society for Vascular Surgery (SVS)'s wound, ischemia, and foot Infection (WIfI) classification was first developed to help assess overall limb threat. However, managing conditions such as diabetic foot ulcer and chronic limb-threatening ischemia can be complex. For instance, certain investigative findings might initially be pending such as the level of ischemia or extent of infection before the final classification is established. In addition, wounds evolve rapidly, and the current classification does not allow for tracking their progression over time during treatment. Therefore, we propose a supplemental consistent notation for scoring WifI re-assessment during treatment of a threatened limb inspired by the cancer staging before and after neoadjuvant treatment classification system. Thus, we describe the re-scoring system and how to use it. Our suggestion supports a coherent method to longitudinally communicate characteristics of a threatened limb. This has potential to support high quality interdisciplinary, patient-centered care and enhance the use of this classification in research. Further work is required to validate this modification of a common language of risk.

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)0,005
score de la tête « metaresearch » (Gemma)0,039
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: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,039
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,013
Tête enseignante GPT0,284
Écart entre enseignants0,272 · 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Lower Extremity WoundsMême sujetDiabetic Foot Ulcer Assessment and ManagementTravaux en français237 207