MétaCan
Menu
Retour à la cohorte
Enregistrement W4366280062 · doi:10.1038/s41597-023-02136-9

Author Correction: MIMIC-IV, a freely accessible electronic health record dataset

2023· erratum· en· W4366280062 sur OpenAlexaff
Alistair E. W. Johnson, Lucas Bulgarelli, Lu Shen, Alvin Gayles, Ayad Shammout, Steven Horng, Tom Pollard, Sicheng Hao, Benjamin Moody, Brian Gow, Li-wei H. Lehman, Leo Anthony Celi, Roger G. Mark

Notice bibliographique

RevueScientific Data · 2023
Typeerratum
Langueen
DomaineComputer Science
ThématiqueMachine Learning in Healthcare
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésElectronic health recordComputer scienceInformation retrievalHealth recordsWorld Wide WebData scienceHealth carePolitical science

Résumé

récupéré en direct d'OpenAlex

An author of the paper was omitted in the original version (Sicheng Hao, Massachusetts Institute of Technology, USA). This has been corrected in the pdf and HTML versions of the paper, and the associated metadata.

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)0,015
score de la tête « metaresearch » (Gemma)0,223
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,148
Score d'incertitude au seuil0,494

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,223
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,009
Études des sciences et des technologies0,0030,002
Communication savante0,0050,003
Science ouverte0,0030,005
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,1480,079

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 Opus0,101
Tête enseignante GPT0,392
Écart entre enseignants0,292 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations146
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific DataMême sujetMachine Learning in HealthcareTravaux en français237 207