Model‐based diagnosis with FTTell: Diagnosing early pediatric failure to thrive
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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