Notice bibliographique
Résumé
No AccessJournal of UrologyPediatric Urology1 May 2023Editorial CommentThis article comments on the following:Deep Learning of Videourodynamics to Classify Bladder Dysfunction Severity in Patients With Spina Bifidais a letter which has replyReply By Authors Armando J. Lorenzo Armando J. LorenzoArmando J. Lorenzo Division of Pediatric Urology, Hospital for Sick Children, Toronto, Ontario, Canada Department of Surgery, University of Toronto, Toronto, Ontario, Canada More articles by this author View All Author Informationhttps://doi.org/10.1097/JU.0000000000003267.02AboutFull TextPDF ToolsAdd to favoritesDownload CitationsTrack CitationsPermissionsReprints ShareFacebookLinked InTwitterEmail "Editorial Comment." The Journal of Urology, 209(5), p. 1002 REFERENCES 1. . Would ChatGPT3 Get a Wharton MBA? A Prediction Based on Its Performance in the Operations Management Course. Mack Institute for Innovation Management at the Wharton School, University of Pennsylvania; 2023. Google Scholar 2. Deep learning of videourodynamics to classify bladder dysfunction severity in patients with spina bifida. J Urol. 2023; 209(5):994-1003. Link, Google Scholar 3. Machine learning for urodynamic detection of detrusor overactivity. Urology. 2022; 159:247-254. Crossref, Medline, Google Scholar 4. Translating pediatric urodynamics from clinic into collaborative research: lessons and recommendations from the UMPIRE study group. J Pediatric Urol. 2021; 17(5):716-725. Crossref, Medline, Google Scholar © 2023 by American Urological Association Education and Research, Inc.FiguresReferencesRelatedDetailsRelated articlesJournal of Urology14 Feb 2023Deep Learning of Videourodynamics to Classify Bladder Dysfunction Severity in Patients With Spina BifidaJournal of Urology7 Apr 2023Reply By Authors Volume 209Issue 5May 2023Page: 1002-1002 Advertisement Copyright & Permissions© 2023 by American Urological Association Education and Research, Inc.MetricsAuthor Information Armando J. Lorenzo Division of Pediatric Urology, Hospital for Sick Children, Toronto, Ontario, Canada Department of Surgery, University of Toronto, Toronto, Ontario, Canada More articles by this author Expand All Advertisement PDF downloadLoading ...
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,014 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,333 | 0,190 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».