UNITY: A low-field magnetic resonance neuroimaging initiative to characterize neurodevelopment in low and middle-income settings
Notice bibliographique
Résumé
Measures of physical growth, such as weight and height have long been the predominant outcomes for monitoring child health and evaluating interventional outcomes in public health studies, including those that may impact neurodevelopment. While physical growth generally reflects overall health and nutritional status, it lacks sensitivity and specificity to brain growth and developing cognitive skills and abilities. Psychometric tools, e.g., the Bayley Scales of Infant and Toddler Development, may afford more direct assessment of cognitive development but they require language translation, cultural adaptation, and population norming. Further, they are not always reliable predictors of future outcomes when assessed within the first 12-18 months of a child's life. Neuroimaging may provide more objective, sensitive, and predictive measures of neurodevelopment but tools such as magnetic resonance (MR) imaging are not readily available in many low and middle-income countries (LMICs). MRI systems that operate at lower magnetic fields (< 100mT) may offer increased accessibility, but their use for global health studies remains nascent. The UNITY project is envisaged as a global partnership to advance neuroimaging in global health studies. Here we describe the UNITY project, its goals, methods, operating procedures, and expected outcomes in characterizing neurodevelopment in sub-Saharan Africa and South Asia.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».