MétaCan
Menu
Retour à la cohorte
Enregistrement W4399509388 · doi:10.21203/rs.3.rs-4438861/v1

GestaltMatcher Database - A global reference for facial phenotypic variability in rare human diseases

2024· preprint· en· W4399509388 sur OpenAlexaff
Tzung‐Chien Hsieh, Hellen Lesmann, Alexander Hustinx, Shahida Moosa, Elaine Marchi, Ibrahim M. Abdelrazek, Jean Tori Pantel, Hannah Klinkhammer, Merle ten Hagen, Meow‐Keong Thong, Rifhan Azwani Mazlan, Sok Kun Tae, Tom Kamphans, Wolfgang Meiswinkel, Jingmei Li, Behnam Javanmardi, Alexej Knaus, Annette Uwineza, Cordula Knopp, Tinatin Tkemaladze, Miriam Elbracht, Larissa Mattern, Rami Abou Jamra, Clara Velmans, Vincent Strehlow, Maureen Jacob, Angela Peron, Cristina Dias, Beatriz Nunes, Thainá Vilella, Isabel Furquim Pinheiro, Chong Ae Kim, Maria Isabel Melaragno, Hannah Weiland, Sophia Kaptain, Karolina Chwiałkowska, Mirosław Kwaśniewski, Ramy Saad, Sarah Wiethoff, Himanshu Goel, Clara Sze-Man Tang, Anna Hau, Tahsin Stefan Barakat, Przemysław Panek, Amira Nabil, Julia Suh, Frederik Braun, Israel Gomy, Luisa Averdunk, Ekanem N. Ekure, Gaber Bergant, Borut Peterlin, Claudio Graziano, Nagwa E. A. Gaboon, Moisés Ó. Fiesco-Roa, Alessandro Spinelli, Nina‐Maria Wilpert, Prasit Phowthongkum, Nergis Güzel, Tobias B. Haack, Rana Bitar, Andreas Tzschach, Agustí Rodríguez‐Palmero, Theresa Brunet, Sabine Rudnik‐Schöneborn, Silvina Contreras‐Capetillo, Ava Oberlack, Carole Samango‐Sprouse, Teresa Sadeghin, Margaret Olaya, Konrad Platzer, Artem Borovikov, Franziska Schnabel, Lara Heuft, Vera Herrmann, Renske Oegema, Nour Elkhateeb, Sheetal Kumar, Katalin Komlósi, Khoushoua Mohamed, Silvia Kalantari, Fabio Sirchia, Antonio Federico Martínez‐Monseny, Matthias Höller, Amal Mohamed, Amaia Lasa‐Aranzasti, John A. Sayer, Nadja Ehmke, Magdalena Danyel, Henrike L. Sczakiel, Sarina Schwartzmann, Felix Boschann, Max Zhao, R. Adam, Lara Einicke, Denise Horn, Kee Seang Chew, Choy Chen Kam, Miray Karakoyun, Ben Pode‐Shakked, Aviva Eliyahu, Rachel Rock, Teresa Carrion, Odelia Chorin, Yuri A. Zárate, Mert Karakaya, Moon Ley Tung, Bharatendu Chandra, Aimé Lumaka, Marwan Shinawi, Patrick R. Blackburn, Tianyun Wang, Tim Niehues, Ping Hu, Rebekah L. Waikel, Suzanna E. Ledgister Hanchard, Gehad Elmakkawy, Sylvia Safwat, Frédéric Ebstein, Elke Krüger, Sébastien Küry, Stéphane Bezieau, Annabelle Arlt, Felix Marbach, Dong Li, Lucie Dupuis, Roberto Mendoza‐Londono, Sofia Douzgou, Denisa Weis, Brian Hon‐Yin Chung, Christopher Chun Yu Mak, Nursel Elçioğlu, Ayça Aykut, Peli Özlem Şimşek-Kiper, Nina Bögershausen, Bernd Wollnik, Heidi Beate Bentzen, Ingo Kurth, Christian Netzer, Aleksandra Jezela‐Stanek, Koen Devriendt, Karen W. Gripp, Martin Mücke, Alain Verloès, Christian P Schaaf, Christoffer Nellåker, Benjamin D Solomon, Markus M. Nöthen, Ebtesam Abdalla, Gholson J. Lyon, Peter Krawitz, Hülya Kayserili, Louiza Toutouna, Axel Schmidt, Regina Roth, Dagmar Wieczorek, Eric Olinger

Notice bibliographique

RevueResearch Square · 2024
Typepreprint
Langueen
DomaineComputer Science
ThématiqueAI in cancer detection
Établissements canadiensSickKids FoundationHospital for Sick ChildrenHealth Research Foundation
Organismes subventionnairesNational Institutes of HealthZonMwWellcome Trust
Mots-clésBenchmarkingMedicineComputer scienceDatabase

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0250,018

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 Opus0,115
Tête enseignante GPT0,441
Écart entre enseignants0,326 · 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
GenreJeu de données

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

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueResearch SquareMême sujetAI in cancer detectionTravaux en français237 207