MétaCan
Menu
Retour à la cohorte
Enregistrement W4394746739 · doi:10.1714/4209.42005

Position paper ANMCO: Stati Generali 2023 – La medicina digitale in cardiologia: evidenze e stato di avanzamento in Italia

2024· article· en· W4394746739 sur OpenAlexaff
Stefania Angela Di Fusco, Filippo Zilio, Marco Zuin, Claudio Bilato, Marco Corda, Leonardo De Luca, Andrea Di Lenarda, Massimo Di Marco, Giuseppina Maura Francese, Gian Franco Gensini, Giovanna Geraci, Simona Giubilato, Attilio Iacovoni, Fabiana Lucà, M Mazzanti, Massimo Milli, Alessandro Navazio, Francesco Orso, Vittorio Pascale, Carmine Riccio, Patrizia Rocca, Pietro Scicchitano, Luigi Tavazzi, Emanuele Tizzani, Domenico Gabrielli, Furio Colivicchi, Massimo Grimaldi, Fabrizio Oliva

Notice bibliographique

RevueGiornale italiano di cardiologia · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueHealthcare Systems and Public Health
Établissements canadiensHealth Care Foundation
Organismes subventionnairesnon disponible
Mots-clésDigitizationMedicinePosition paperDigital healthCardiovascular healthHealth careHealth recordsPosition (finance)Data scienceTelecommunicationsInternal medicineComputer sciencePathology

Résumé

récupéré en direct d'OpenAlex

Technological innovation provides easily accessible tools capable of simplifying healthcare processes. Notably, digital technology application in the cardiology field can improve prognosis, reduce costs, and lead to an overall improvement in healthcare. The digitization of health data, with the use of electronic health records and of electronic health files in Italy, represents one of the fields of application of digital technologies in medicine. The 2023 States General of the Italian Association of Hospital Cardiologists (ANMCO) provided an opportunity to focus attention on the potential benefits and critical issues associated with the implementation of the aforementioned digital tools, artificial intelligence, and telecardiology. This document summarizes key aspects that emerged during the event.

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)0,027
score de la tête « metaresearch » (Gemma)0,044
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: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,145

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,044
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0060,006
Études des sciences et des technologies0,0010,002
Communication savante0,0120,004
Science ouverte0,0030,004
Intégrité de la recherche0,0100,007
Charge utile insuffisante (le modèle a refusé de juger)0,0240,012

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 Opus0,028
Tête enseignante GPT0,335
Écart entre enseignants0,307 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGiornale italiano di cardiologiaMême sujetHealthcare Systems and Public HealthTravaux en français237 207