MétaCan
Menu
Retour à la cohorte
Enregistrement W4296348253 · doi:10.6000/1929-6029.2022.11.09

Role of Predictive Modeling in Healthcare Research: A Scoping Review

2022· review· en· W4296348253 sur OpenAlexvenueno aff
Nihar Ranjan Panda, Jitendra Kumar Pati, Ruchi Bhuyan

Notice bibliographique

RevueInternational Journal of Statistics in Medical Research · 2022
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer sciencePredictive analyticsProbabilistic logicComplement (music)Empirical researchPredictive valuePredictive modellingRegression analysisQuality (philosophy)Linear regressionStatistical modelHealth careMachine learningEconometricsArtificial intelligenceStatisticsMathematicsMedicine

Résumé

récupéré en direct d'OpenAlex

The huge preponderance of inferences drawn in empirical medical research follows from model-based relations (e.g. regression). Here, we described the role of predictive modeling as a complement to this approach. Predictive models are usually probabilistic model which gives a good quality fit to our data. In medical research, it’s very common to use regression models for predictive purposes. Here in this article, we described the types of predictive modeling (Linear and Non-linear) used in medical research and how effectively the researchers take decisions based on predictive modeling, and what precautions, we have to take while building a predictive model. Finally, we consider a working example to illustrate the effectiveness of the predictive model in healthcare.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,194
score de la tête « metaresearch » (Gemma)0,159
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,592
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,1940,159
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0040,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,851
Tête enseignante GPT0,688
Écart entre enseignants0,163 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeRevue systématique
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Statistics in Medical ResearchMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207