Role of artificial intelligence in imaging and endoscopy for the diagnosis, monitoring and prognostication of inflammatory bowel disease: a scoping review protocol
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Inflammatory bowel diseases (IBD) are immune-mediated conditions that are increasing in incidence and prevalence worldwide. Their assessment and monitoring are becoming increasingly important, though complex. The best disease control is achieved through tight monitoring of objective inflammatory parameters (such as serum and stool inflammatory markers), cross-sectional imaging and endoscopic assessment. Considering the complexity of the information obtained throughout a patient's journey, artificial intelligence (AI) provides an ideal adjunct to existing tools to help diagnose, monitor and predict the course of disease of patients with IBD. Therefore, we propose a scoping review assessing AI's role in diagnosis, monitoring and prognostication tools in patients with IBD. We aim to detect gaps in the literature and address them in future research endeavours. METHODS AND ANALYSIS: We will search electronic databases, including Medline, Embase, Cochrane CENTRAL, CINAHL Complete, Web of Science and IEEE Xplore. Two reviewers will independently screen the abstracts and titles first and then perform the full-text review. A third reviewer will resolve any conflict. We will include both observational studies and clinical trials. Study characteristics will be extracted using a data extraction form. The extracted data will be summarised in a tabular format, following the imaging modality theme and the study outcome assessed. The results will have an accompanying narrative review. ETHICS AND DISSEMINATION: Considering the nature of the project, ethical review by an institutional review board is not required. The data will be presented at academic conferences, and the final product will be published in a peer-reviewed journal.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle