An Endpoint Adjudication Committee for the Assessment of Computed Tomography Scans in Fracture Healing
Notice bibliographique
Résumé
Abstract The use of endpoint adjudication committees (EACs) has the potential to reduce subjectivity and potential bias in clinical research trials and contribute to a higher quality of research. In a recent randomized control trial (RCT), we used serial computed tomography (CT) imaging to visualize fracture healing of the scaphoid as a primary outcome. The scaphoid bone poses a challenge in the diagnosing of fractures and non-unions due to its complicated shape. An EAC was created to increase the quality of the data and the validity of our findings. While an adjudication process has long been proposed and described for X-rays, this study outlines a rational approach to CT scan adjudication for bone fracture healing. A total of 364 scans were acquired in the RCT and of these, 101 were adjudicated for a binary endpoint of union vs. non-union. The application of EACs such as described in this paper is a useful tool in orthopaedic research requiring the adjudication of fracture healing as a study outcome.
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 | 0,746 | 0,785 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,009 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 ».