MétaCan
Menu
Retour à la cohorte
Enregistrement W4401465390 · doi:10.62951/bridge.v2i3.105

Sistem Pakar Diagnosa Penyakit Flutd (Gangguan Saluran Kemih) Pada Kucing Menggunakan Metode Case Based Reasoning

2024· article· en· W4401465390 sur OpenAlexaff
Kiki Adilianti, Novriyenni Novriyenni, Hermansyah Sembiring

Notice bibliographique

RevueBridge · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueEdcuational Technology Systems
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

Cats are one of the beloved animals that require care and development. As beloved animals, cats have their own charm thanks to their different body shapes, eyes and fur colors. Cats whose pedigrees are officially registered as purebred cats. Cats, in Latin Felis silvestris catus, are a type of carnivore. The word cat usually means a domesticated cat but can also refer to large cats such as lions, tigers and leopards. Cats have been mixed with human life for at least 6000 years BC, since cat skeletons were discovered on the island of Cyprus (Arquitectura et al., 2015). One of the diseases that often appears in cats is feline lower urinary tract disease (FLUTD), also known as feline urological syndrome (FUS), which is a health problem that often occurs in cats, especially male cats. This health problem attacks the cat's bladder and urethra. Urethral disorders are caused by the structure of the male cat's urethra, which is tube-shaped and has a narrow section, which often causes obstruction of urine from the bladder (VU) to the outside of the body. FLUTD includes several diseases that occur in the cat's urinary tract (Indonesia, 2022). Knowledge about diseases in cats is one of the problems. Many owners do not realize that their cats are suffering from diseases that can cause death. The cause of the cat's death occurred due to the keeper's lack of knowledge regarding the disease and symptoms the cat was experiencing. Apart from that, the problem is that there are so few doctors available that they are difficult to find, and the information obtained is only in accordance with the condition of the cat when it goes to the vet. If you see other symptoms, like it or not, you have to consult the veterinarian again and it will take additional time and money. This problem can be solved with an expert system that can diagnose the disease suffered by the cat based on the selected symptoms.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,004

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 Opus0,024
Tête enseignante GPT0,276
Écart entre enseignants0,252 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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 revueBridgeMême sujetEdcuational Technology SystemsTravaux en français237 207