MétaCan
Menu
Retour à la cohorte
Enregistrement W4404578767 · doi:10.62951/repeater.v2i4.208

Sistem Pakar Diagnosa Penyakit Hipertrofi hidung Menggunakan Metode Certainty Factor

2024· article· en· W4404578767 sur OpenAlexaff
Andini Andini, Novriyenni Novriyenni, Rusmin Saragih

Notice bibliographique

RevueRepeater · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueDecision Support System Applications
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Nasal hypertrophy is a swelling that occurs in the nasal concha. This condition is caused because the inferior concha has a larger anatomical size when compared to the other concha structures. The process of diagnosing nasal hypertrophy often requires high clinical skills and experience. RSU Putri Bidadari is one of the hospitals that treats Nasal Hypertrophy disease in patients. Nose hypertrophy disease has several symptoms that are felt which are usually caused by several factors such as exposure to certain allergens, chronic sinus infections, or a family history of similar nasal problems, so several diagnostic tests are needed that can confirm the diagnosis, such as nasal endoscopy to see directly the condition inside the nose, medical imaging such as CT scan or MRI to evaluate the structure of the nose in more detail, or allergy tests to identify the causative allergen. From the above problems, patients really need a system that becomes a recommendation in helping provide information about nasal hypertrophy disease that can diagnose early and take further action to prevent nasal hypertrophy disease. By using the certainty factor method, information from the steps above can be systematically analyzed to determine the level of confidence in the diagnosis of nasal hypertrophy. These factors can be assessed based on severity, presence of typical symptoms, correlation with risk factors, and results of physical examination and diagnostic tests. Based on the results of the CF calculation, the highest value is in the type of nasal hypertrophy disease with the type of Septal Deviation disease having a value of 1 or 100%, in the type of Rhinitis disease having a value of 94.24% and in the type of sinusitis disease having a value of 85.60%. From the results obtained, the system identifies that the patient has nasal hypertrophy with Septal Deviation type by 100%.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

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 technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,004

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 Opus0,029
Tête enseignante GPT0,263
Écart entre enseignants0,235 · 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'étudeSimulation ou modélisation
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 revueRepeaterMême sujetDecision Support System ApplicationsTravaux en français237 207