Problem-Oriented Translational Health Informatics for Evidence Based Medicine and Privacy Enhancing
Notice bibliographique
Résumé
As clinical practice has become increasingly evidence-based, depending only on the controlled clinical trials approach to provide evidence becomes a bottleneck challenge. It is not only due to the tough criteria to design, execution, and analysis of the investigations associated with these clinical trials but also due to the missing link to bring more evidence through data-driven analytics. Data-driven analytics is the process of interpreting or translating the quantitative data at the bench to reveal qualitative insights, answer questions, provide evidence and identify prognosis trends. It also referenced as the translational medicine from the bench to the bedside. While this translational approach hold the promise of providing innovative and personalized medical evidences that can have important implication to enhance patient care and enforce more interoperable privacy preserving policies, it is only represent one way system that do not consider the reverse direction of including the clinical science at the bedside. Based on Lawrence Weed (MD) initiative that was introduced in early 1970, this research provide an investigation into adopting more comprehensive translational solution that provide the integration between the bench and the bedside into directions based on the notion of knowledge couplers (which is part of Weed’s POMR initiative (Problem-Oriented Medical Record)). Our proposed bridging utilizes the problem-list interconnectivity and the constraints graph. Our QL4POMR prototype has been extended to demonstrate the applicability of these knowledge couplers for achieving translational informatics providing essential evidence-based decision-making services and privacy preserving tasks based on GraphQL APIs.
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 | 0,022 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,008 | 0,015 |
| Science ouverte | 0,004 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».