MétaCan
Menu
Retour à la cohorte
Enregistrement W4381326147 · doi:10.1186/s13058-023-01659-8

Meeting Abstracts from the British Society of Breast Radiology Annual Scientific Meeting 2022

2023· article· en· W4381326147 sur OpenAlexaff
Anthony Aylwin, Helen Newman, Nisha Sharma, Mathew Wallis, Bridget Hilton, Karen Clements, Abeer M. Shaaban, Sarah E. Pinder, David Dodwell, Cliona Kirwan, Simon Lowes, Senthurun Mylvaganum, Janet Litherland, Elinor J. Sawyer, Hilary Stobart, Olive Kearins, Elena Provenzano, Joanne Dulson-Cox, Samantha Brace-McDonnell, Alastair M. Thompson, Eleanor Cornford, Jackie Walton, Isobel Gordon, George Ralli, Carolina Fernandes, Amy H. Herlihy, Gemma Greenall, Sally Collins, Michael Brady, Nerys Forester, Hina Faisal, Jennifer Royds, Gauripriya Babu, Gavin Loy, Alexandru Calciu

Notice bibliographique

RevueBreast Cancer Research · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensSt. Thomas Hospital
Organismes subventionnairesRoyal Commission for the Exhibition of 1851
Mots-clésSurgical oncologyMedicineMedical physicsBreast cancerGeneral surgeryInternal medicineCancer

Résumé

récupéré en direct d'OpenAlex

As a unit, we implemented wireless image transfer from our Screening Mobile van in 2016, which resulted in some reduction in paper usage (only printing Client forms for those attending). However, the suspension of Screening at the start of the pandemic enabled us to undertake a multidisciplinary (radiological, radiographic and especially administrative) in-depth assessment of the existing pathway and design an equivalent electronic pathway, entirely without paper from screen to result. Redundant/duplicated paper-based processes (generally historical) were identified and expunged. The key has been the utilisation of the NBSS whiteboard (SAWB) as a 'nerve centre' to allow tracking of clinics waiting to be closed, read, and reconciled, as well as those with outstanding results. Processes were designed to allow. (a) communication of clinical findings between mammographer and reader (using 'Clinical Alert' system on NBSS), (b) verification of image checking on PACS (via a standalone database), (c) recording of abnormalities on PACS images (d) communication of assessment imaging requirements to the admin team.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,785
Score d'incertitude au seuil0,964

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,032
Tête enseignante GPT0,370
Écart entre enseignants0,338 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBreast Cancer ResearchMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207