MétaCan
Menu
Retour à la cohorte
Enregistrement W4323670147 · doi:10.1016/j.heliyon.2023.e14264

Establishing an effective clinical data collecting tool for optimal evaluation of native and allograft renal biopsies

2023· article· en· W4323670147 sur OpenAlexaffabout
Shifaa’ Al Qa'qa’, Rehab Al-Fatani, Sonia Rodríguez‐Ramírez, Prakash Gudsoorkar, Laurette Geldenhuys, Carmen Ávila-Casado

Notice bibliographique

RevueHeliyon · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueAI in cancer detection
Établissements canadiensNova Scotia Health AuthorityDalhousie UniversityHealth CanadaUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical diagnosisHealth careKidneyPathologyMedical physicsInternal medicine

Résumé

récupéré en direct d'OpenAlex

Introduction: Percutaneous kidney biopsy is the gold standard method to reach a precise diagnosis in most medical kidney diseases, which positively impacts patient care by personalizing the treatment. Accurate diagnosis in the pathology report for medical kidney diseases requires clinicopathological correlation, and clinical data is not always reachable to the nephropathologist. This study aimed to create a standardized, paperless requisition form compatible with medical renal biopsies. Methods: An initial form was prepared for native and allograft renal biopsies according to the current classification of medical kidney diseases. We invited 33 nephropathologists working in Canadian healthcare institutions to answer survey questions about the need to include a particular aspect of clinical information. According to the responses, we modified the experimental form. Eighty nephrologists were asked to complete a clinical data-collecting form given out as PDF files. The time for completing the form and clinicians' satisfaction were assessed. Results: The experimental form survey was answered by 20 out of 33 nephropathologists (61%) from 14 Canadian healthcare centers. The agreement rate on the questions was from 38.89% to 100.00% (average 83.33% and 77.14% for the native and the allograft section, respectively). Seventeen out of 80 nephrologists and their assistants (21%) responded by completing 22 PDF forms. The time required to finish a PDF form was 10.4 min on average. Nephrologists considered the form time-consuming and suggested making it more clinically relevant. Only seven nephrologists responded to the satisfaction survey; four (57%) were satisfied. Conclusions: Medical information is critical in renal pathology diagnoses. A uniform paperless clinical data requisition form was evolved through an agreement by Canadian nephropathologists.

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)0,006
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,975
Score d'incertitude au seuil0,371

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,169
Tête enseignante GPT0,434
Écart entre enseignants0,265 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHeliyonMême sujetAI in cancer detectionTravaux en français237 207