MétaCan
Menu
Retour à la cohorte
Enregistrement W4296164250 · doi:10.1038/s41393-022-00854-2

Computer International Standards for Neurological Classification of Spinal Cord Injury (ISNCSCI) algorithms: a review

2022· review· en· W4296164250 sur OpenAlexafffund
Kristen Walden, Christian Schuld, Vanessa K. Noonan, Rüdiger Rupp

Notice bibliographique

RevueSpinal Cord · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueSpinal Cord Injury Research
Établissements canadiensInternational Collaboration On Repair DiscoveriesPraxis Spinal Cord Institute
Organismes subventionnairesHealth CanadaWestern Economic Diversification CanadaGovernment of Canada
Mots-clésMedicineSpinal cord injuryMEDLINEWorkflowAlgorithmInternational Classification of Functioning, Disability and HealthArtificial intelligenceMachine learningComputer sciencePhysical therapySpinal cordRehabilitation

Résumé

récupéré en direct d'OpenAlex

STUDY DESIGN: Literature review and survey. OBJECTIVES: To provide an overview of existing computerized International Standards for Neurological Classification of Spinal Cord Injury (ISNCSCI) algorithms and to evaluate the use of the current algorithms in research and clinical care. SETTING: Not applicable. METHODS: Literature review according to three organizing concepts for evaluation of Health Information Products (reach, usefulness, and use) was conducted. RESULTS: While the use of computerized ISNCSCI algorithms has been around for many years, many were developed and used internally for specific projects or not maintained. Today the International SCI community has free access to algorithms from the European Multicenter Study about Spinal Cord Injury (EMSCI) and the Praxis Spinal Cord Institute. Both algorithms have been validated in large datasets and are used in different SCI registries for quality control and education purposes. The use of the Praxis Institute algorithm by clinicians was highlighted through the Praxis User Survey (n = 76) which included participants from 27 countries. The survey found that over half of the participants using the algorithm (N = 69) did so on a regular basis (51%), with 54% having incorporated it into their regular workflow. CONCLUSIONS: Validated computerized ISNCSCI classification tools have evolved substantially and support education, clinical documentation, communication between clinicians and their patients, and ISNCSCI data quality around the world. They are not intended to replace well-trained clinicians, but allow for reclassification of ISNCSCI datasets with updated versions of the ISCNSCI, and support rapid classification of large datasets.

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)0,034
score de la tête « metaresearch » (Gemma)0,115
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,178

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,115
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0270,023
Études des sciences et des technologies0,0010,002
Communication savante0,0030,005
Science ouverte0,0040,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,305
Tête enseignante GPT0,532
Écart entre enseignants0,226 · 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
GenreSynthèse

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

En bref

Citations8
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSpinal CordMême sujetSpinal Cord Injury ResearchTravaux en français237 207