MétaCan
Menu
Retour à la cohorte
Enregistrement W4389446860 · doi:10.1212/wnl.94.15_supplement.2246

Language Proficiency is a Marker of Vascular Risk and Ischemic Stroke Severity (2246)

2020· article· en· W4389446860 sur OpenAlexaff
Ryan T. Muir, Arunima Kapoor, Krista L. Lanctôt, Megan L. Cayley, Michelle N. Sicard, Karen Lien, Dar Dowlatshahi, Demetrios J. Sahlas, Gustavo Saposnik, Jennifer Mandzia, Leanne K. Casaubon, Ayman Hassan, Yaël Perez, Brian J. Murray, Kevin E. Thorpe, Moira K. Kapral, Stephen C. Strother, Amy Yu, Peter C. Austin, Susan E. Bronskill, Nathan Hermann, Richard H. Swartz

Notice bibliographique

RevueNeurology · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterpreting and Communication in Healthcare
Établissements canadiensBaycrest HospitalTrillium Health CentreThunder Bay Regional Health Sciences CentreToronto Western HospitalUniversity of TorontoWestern UniversitySunnybrook Health Science CentreSt. Michael's HospitalLondon Health Sciences CentreToronto General HospitalMcMaster UniversityHamilton General HospitalUniversity of OttawaUniversity Health NetworkOttawa HospitalHealth Sciences CentreHamilton Health Sciences
Organismes subventionnairesnon disponible
Mots-clésMedicineIschemic strokeStroke (engine)Stroke riskInternal medicineCardiologyIschemia

Résumé

récupéré en direct d'OpenAlex

In primarily English speaking settings, when a patient’s language is discordant from the primary language of the region, does language proficiency predict differences in vascular risk, stroke severity, and the DOC comorbidities: Depression, Obstructive Sleep Apnea and Cognitive impairment?

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,029
Tête enseignante GPT0,366
Écart entre enseignants0,337 · 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'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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurologyMême sujetInterpreting and Communication in HealthcareTravaux en français237 207