Notice bibliographique
Résumé
No AccessJournal of UrologyOriginal Research Articles1 Apr 2024Editorial CommentThis article comments on the following:Automated Identification of Key Steps in Robotic-Assisted Radical Prostatectomy Using Artificial Intelligence Daniel T. Keefe Daniel T. KeefeDaniel T. Keefe View All Author Informationhttps://doi.org/10.1097/JU.0000000000003859AboutFull TextPDF ToolsAdd to favoritesDownload CitationsTrack CitationsPermissionsReprints ShareFacebookLinked InTwitterEmail "Editorial Comment." The Journal of Urology, 211(4), p. 585 REFERENCES 1. . Trends in medical artificial intelligence publications from 2000-2020: where does radiology stand?. Open J Clin Med Images. 2022; 2(2):1052. Crossref, Google Scholar 2. Automated identification of key steps in robotic-assisted radical prostatectomy using artificial intelligence. J Urol. 2024; 211(4):575-584. Link, Google Scholar 3. . Standardized reporting of machine learning applications in urology: the STREAM-URO framework. Eur Urol Focus. 2021; 7(4):672-682. Crossref, Medline, Google Scholar © 2024 by American Urological Association Education and Research, Inc.FiguresReferencesRelatedDetailsRelated articlesJournal of Urology24 Jan 2024Automated Identification of Key Steps in Robotic-Assisted Radical Prostatectomy Using Artificial Intelligence Volume 211Issue 4April 2024Page: 585-585 Advertisement Copyright & Permissions© 2024 by American Urological Association Education and Research, Inc.Metrics Author Information Daniel T. Keefe More articles by this author Expand All Advertisement PDF downloadLoading ...
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 | 0,005 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,014 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,418 | 0,256 |
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 ».