Enhancing data standards to advance translation in spinal cord injury
Notice bibliographique
Résumé
Data standards are available for spinal cord injury (SCI). The International SCI Data Sets were created in 2002 and there are currently 27 freely available. In 2014 the National Institute of Neurological Disorders and Stroke developed clinical common data elements to promote clinical data sharing in SCI. The objective of this paper is to provide an overview of SCI data standards, describe learnings from the traumatic brain injury (TBI) field using data to enhance research and care, and discuss future opportunities in SCI. Given the complexity of SCI, frameworks such as a systems medicine approach and Big Data perspective have been advanced. Implementation of these frameworks require multi-modal data and a shift towards open science and principles such as requiring data to be FAIR (Findable, Accessible, Interoperable and Reusable). Advanced analytics such as artificial intelligence require data to be interoperable so data can be exchanged among different technology systems and software applications. The TBI field has multiple ongoing initiatives to promote sharing and data reuse for both pre-clinical and clinical studies, which is an opportunity for the SCI field given these injuries can often occur concomitantly. The adoption of interoperable standards, data sharing, open science, and the use of advanced analytics in SCI is needed to facilitate translation in research and care. It is critical that people with lived experience are engaged to ensure data are relevant and enhances quality of life.
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 | 0,145 | 0,268 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,004 | 0,009 |
| Communication savante | 0,017 | 0,043 |
| Science ouverte | 0,005 | 0,026 |
| Intégrité de la recherche | 0,007 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,007 |
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 ».