MétaCan
Menu
Retour à la cohorte
Enregistrement W4385622917 · doi:10.1055/s-0043-1771455

History of Neurointervention

2023· review· en· W4385622917 sur OpenAlexaff
Anurag Sahoo, Mohamad Abdalkader, Işıl Saatçi, Jean Raymond, Zhongming Qiu, Xiaochuan Huo, Dapeng Sun, Charlotte S. Weyland, Baixue Jia, Osama O. Zaidat, Wei Hu, Adnan I. Qureshi, Zhongrong Miao, Thanh N. Nguyen

Notice bibliographique

RevueSeminars in Neurology · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueIntracranial Aneurysms: Treatment and Complications
Établissements canadiensCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineMultidisciplinary approachRealmEmbolizationCerebral angiographyStroke (engine)AneurysmAngiographyIntensive care medicineMedical physicsRadiologyHistory

Résumé

récupéré en direct d'OpenAlex

In this review article, we aim to provide a summary of the discoveries and developments that were instrumental in the evolution of the Neurointerventional field. We begin with developments in the advent of Diagnostic Cerebral Angiography and progress to cerebral aneurysm treatment, embolization in AVMs and ischemic stroke treatment. In the process we discuss many persons who were key in the development and maturation of the field. A pivotal aspect to rapid growth in the field has been the multidisciplinary involvement of the different neuroscience specialties and therefore we close out our discussion with excitement about ongoing and future developments in the field with a focus on treatments in the non-cerebrovascular disease realm.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0190,012

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 Opus0,074
Tête enseignante GPT0,342
Écart entre enseignants0,269 · 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
GenreSynthèse

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

En bref

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSeminars in NeurologyMême sujetIntracranial Aneurysms: Treatment and ComplicationsTravaux en français237 207