MétaCan
Menu
Retour à la cohorte
Enregistrement W4390011988 · doi:10.1089/neu.2023.0461

The Australian Traumatic Brain Injury Initiative: Systematic Review and Consensus Process to Determine the Predictive Value of Demographic, Injury Event, and Social Characteristics on Outcomes for People With Moderate-Severe Traumatic Brain Injury

2023· article· en· W4390011988 sur OpenAlexaff
Belinda J. Gabbe, Jemma Keeves, Ancelin McKimmie, Adelle M. Gadowski, A.J.A. Holland, Bridgette D. Semple, Jesse T Young, Louise Crowe, Tamara Ownsworth, Matthew K. Bagg, Ana Antonic‐Baker, Amelia J. Hicks, Regina Hill, Kate Curtis, Lorena Romero, Jennie Ponsford, Natasha A. Lannin, Terence J. O’Brien, Peter Cameron, D. James Cooper, Nick Rushworth, Melinda Fitzgerald

Notice bibliographique

RevueJournal of Neurotrauma · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury and Neurovascular Disturbances
Établissements canadiensPublic Health OntarioUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésTraumatic brain injuryMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

The objective of the Australian Traumatic Brain Injury (AUS-TBI) Initiative is to develop a data dictionary to inform data collection and facilitate prediction of outcomes of people who experience moderate-severe TBI in Australia. The aim of this systematic review was to summarize the evidence of the association between demographic, injury event, and social characteristics with outcomes, in people with moderate-severe TBI, to identify potentially predictive indicators. Standardized searches were implemented across bibliographic databases to March 31, 2022. English-language reports, excluding case series, which evaluated the association between demographic, injury event, and social characteristics, and any clinical outcome in at least 10 patients with moderate-severe TBI were included. Abstracts and full text records were independently screened by at least two reviewers in Covidence. A pre-defined algorithm was used to assign a judgement of predictive value to each observed association. The review findings were discussed with an expert panel to determine the feasibility of incorporation of routine measurement into standard care. The search strategy retrieved 16,685 records; 867 full-length records were screened, and 111 studies included. Twenty-two predictors of 32 different outcomes were identified; 7 were classified as high-level (age, sex, ethnicity, employment, insurance, education, and living situation at the time of injury). After discussion with an expert consensus group, 15 were recommended for inclusion in the data dictionary. This review identified numerous predictors capable of enabling early identification of those at risk for poor outcomes and improved personalization of care through inclusion in routine data collection.

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)0,090
score de la tête « metaresearch » (Gemma)0,246
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil0,474

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0900,246
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0170,011
Bibliométrie0,0430,032
Études des sciences et des technologies0,0030,003
Communication savante0,0070,009
Science ouverte0,0070,007
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,068
Tête enseignante GPT0,353
Écart entre enseignants0,286 · 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'étudeRevue systématique
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

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NeurotraumaMême sujetTraumatic Brain Injury and Neurovascular DisturbancesTravaux en français237 207