Reply to “Critical analysis of the study from Reiner et al. on agreement of medical record abstraction and self‐report of breast cancer treatment”
Notice bibliographique
Résumé
We thank Wang and colleagues for their interest 1 in our article 2 and their sentiment that our research provides valuable insights into the agreement between medical record abstraction (MRA) and self-reported breast cancer treatment data.We would like to respond to their points.We are surprised at their criticism of our decision to use MRA as the gold standard in our study.Wang et al. acknowledged that medical records are often considered accurate but suggested that incorporating multiple data sources might be considered including direct verification with healthcare providers.1 Epidemiologic studies have historically relied upon MRA with trained medical record abstractors as the gold standard in obtaining information pertaining to cancer treatment.3,4 We are following suit.Notably, in our study, the MRA was conducted through multiple healthcare providers across different specialties, including information obtained directly from doctor's offices and oncology clinics based on treatment locations provided by study participants through direct interviews as well as from radiation oncology clinic notes, an approach that exceeded typical MRA.Furthermore, no cancer
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,070 | 0,423 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,008 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,009 | 0,005 |
| Intégrité de la recherche | 0,031 | 0,036 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,006 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».