MétaCan
Menu
Retour à la cohorte
Enregistrement W4361306187 · doi:10.1002/sys.21674

Model‐based diagnosis with FTTell: Diagnosing early pediatric failure to thrive

2023· article· en· W4361306187 sur OpenAlexfundno aff
Natali Levi‐Soskin, Fatma Yasin, Dov Dori, Ron Shaoul

Notice bibliographique

RevueSystems Engineering · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueModel-Driven Software Engineering Techniques
Établissements canadiensnon disponible
Organismes subventionnairesGordon Foundation
Mots-clésFailure to thriveMedicineExecutablePediatricsIntensive care medicineComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Pediatric Failure To Thrive (FTT), commonly presented in young infants, is often not diagnosed on time or missed. Lack of timely infants’ diagnosis can adversely affect their growth and development. We have developed and successfully tested FTTell—a model‐based system for diagnosing FTT during common pediatric follow up. FTTell is an executable model‐based diagnostic tool for diagnosing FTT. We use Object‐Process Methodology extended with Methodical Approach to Executable Integrative Modeling, enabling qualitative considerations and quantitative parameters of the problem to be modeled jointly, enabling FTT diagnosis. The validity of FTTell is demonstrated on data collected from 100 infants. For each child, FTTell calculates a score indicating FTT presence and severity. We compared the systems’ outcomes to a pediatric gastroenterologist expert severity assessment. Of the 100 infants, the system initially yielded 82% validity. Reassessment improved it to 87% validity. Pediatricians may miss infants with FTT, especially in borderline cases. FTTell can effectively serve as a FTT diagnosis tool, boosting pediatricians’ correct diagnosis and proper investigation. Our cloud‐based system can be continuously updated with the latest research findings. FTTell can diagnose FTT and its severity in infants with 87% accuracy. Pediatricians can use this model‐based standardized approach to improve their FTT diagnosis and provide appropriate timely intervention when needed. Model‐based diagnosis is a novel application of conceptual models, and OPM ISO 19450 is especially fit for this purpose. The model‐based diagnosis approach can be extended beyond medicine to diagnosing problems with engineered, technological, and socio‐technical systems.

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)0,003
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
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 Opus0,014
Tête enseignante GPT0,211
Écart entre enseignants0,197 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSystems EngineeringMême sujetModel-Driven Software Engineering TechniquesTravaux en français237 207