MétaCan
Menu
Retour à la cohorte
Enregistrement W4391075136 · doi:10.20517/ais.2023.34

White paper: requirements for routine data recording in the operating room

2024· article· en· W4391075136 sur OpenAlexaff
Thomas Schnelldorfer, Andrew A. Gumbs, Jennifer Tolkoff, Sarah Choksi, Jessica Stockheim, Amin Madani, Carla M. Pugh, Takeaki Ishizawa, Stefanie Speidel, Lee L. Swanström, Bettina Rau, Amir Szold, Fabio Ausania, Filippo Filicori, Roland S. Croner, S. Vincent Grasso

Notice bibliographique

RevueArtificial Intelligence Surgery · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésWhite paperWhite (mutation)Computer scienceData scienceMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

This white paper documents the consensus opinion of the authors and Artificial Intelligence Surgery editorial board members regarding common requirements needed to implement routine recording of data in the operating room. The statements were agreed upon by all authors and they attempted to outline common barriers that need to be addressed when implementing such recordings.

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)0,165
score de la tête « metaresearch » (Gemma)0,291
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: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,165
Score d'incertitude au seuil0,870

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1650,291
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0030,003
Études des sciences et des technologies0,0070,005
Communication savante0,0210,010
Science ouverte0,0080,007
Intégrité de la recherche0,0290,018
Charge utile insuffisante (le modèle a refusé de juger)0,0150,022

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 Opus0,513
Tête enseignante GPT0,490
Écart entre enseignants0,023 · 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
GenreAutre

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

En bref

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArtificial Intelligence SurgeryMême sujetArtificial Intelligence in Healthcare and EducationTravaux en français237 207