Enregistrement W4375945060 · doi:10.1016/j.pscychresns.2023.111655

Multi-study evaluation of neuroimaging-based prediction of medication class in mood disorders

2023· article· en· W4375945060 sur OpenAlexaff

Mustafa S. Salman, Eric Verner, H. Jeremy Bockholt, Zening Fu, Maria Misiura, Bradley T. Baker, Elizabeth Osuch, Jing Sui （Beijing Normal University）， my correct affiliation is beijing normal university, not Qingdao University of Science and Technology, please correct the current affiliation. Thank you, Vince D. Calhoun

Notice bibliographique

RevuePsychiatry Research Neuroimaging · 2023

Typearticle

Langueen

DomaineNeuroscience

ThématiqueFunctional Brain Connectivity Studies

Établissements canadiensLondon Health Sciences CentreLawson Health Research InstituteWestern University

Organismes subventionnairesNational Institute of Mental HealthNational Institutes of HealthNational Science Foundation

Mots-clésGeneralizability theoryNeuroimagingMajor depressive disorderMoodBipolar disorderSupport vector machineMood disordersPsychologyArtificial intelligenceClinical psychologyMachine learningPsychiatryComputer scienceAnxietyDevelopmental psychology

DOI10.1016/j.pscychresns.2023.111655

Résumé

récupéré en direct d'OpenAlex

Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,005

score de la tête « metaresearch » (Gemma)0,009

Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated

Catégories candidatesMétarecherche

Catégories consensuellesaucune

DomaineSignal candidat: Méthodes · Signal consensuel: aucune

Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune

GenreSignal candidat: Empirique · Signal consensuel: Empirique

Score de désaccord entre enseignants0,995

Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

Catégorie	Codex	Gemma
Métarecherche	0,005	0,009
Méta-épidémiologie (sens strict)	0,001	0,000
Méta-épidémiologie (sens large)	0,001	0,001
Bibliométrie	0,001	0,001
Études des sciences et des technologies	0,001	0,000
Communication savante	0,001	0,001
Science ouverte	0,001	0,001
Intégrité de la recherche	0,001	0,001
Charge utile insuffisante (le modèle a refusé de juger)	0,001	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.

Tête enseignante Opus0,212

Tête enseignante GPT0,429

Écart entre enseignants0,217 · 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