MétaCan
Menu
Retour à la cohorte
Enregistrement W4392130294 · doi:10.1016/j.cvdhj.2024.02.003

Visions for digital integrated cardiovascular care: HRS Digital Health Committee perspectives

2024· article· en· W4392130294 sur OpenAlexaff
Sanjiv M. Narayan, Elaine Y. Wan, Jason G. Andrade, Jennifer N. Avari Silva, Neal K. Bhatia, Thomas Deneke, Abhishek Deshmukh, Ki H. Chon, Lori Erickson, Hamid Ghanbari, Peter A. Noseworthy, Rajeev K. Pathak, Lisa Roelle, Amber Seiler, Jagmeet P. Singh, Uma N. Srivatsa, Anthony Trela, Angela Tsiperfal, Niraj Varma, Omair Yousuf

Notice bibliographique

RevueCardiovascular Digital Health Journal · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensVancouver General Hospital
Organismes subventionnairesNational Heart, Lung, and Blood InstituteNational Institutes of HealthBoston Scientific CorporationNational Institute on AgingUniversity of WashingtonMayo ClinicChildren's Discovery InstituteAmerican Heart Association
Mots-clésVisionHealth careDigital healthBiometricsComputer scienceData scienceRisk analysis (engineering)Internet privacyMedicineComputer securityPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

Few innovations have the potential to reconfigure clinical care as thoroughly as digital medicine. One likely future of continuous physiological monitoring by novel devices—analyzed by artificial intelligence (AI)-guided algorithms and stored in secure repositories—to develop personal biometrics to guide care, improve risk stratifiers, and predict future events is both exciting and daunting. It is unclear how practitioners and patients will transition to that possible future, yet all stakeholders can at the present time directly influence how these technologies will develop and paths evolve.

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)0,017
score de la tête « metaresearch » (Gemma)0,017
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: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,017
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,006
Communication savante0,0140,011
Science ouverte0,0020,007
Intégrité de la recherche0,0130,014
Charge utile insuffisante (le modèle a refusé de juger)0,0220,006

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 Opus0,076
Tête enseignante GPT0,387
Écart entre enseignants0,311 · 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
GenreCommentaire

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

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCardiovascular Digital Health JournalMême sujetArtificial Intelligence in Healthcare and EducationTravaux en français237 207