Child and Family Outcomes After PICU Admission: Creation of an Open Access Literature Database Using a Global Team of PICU Specialists Integrated With Machine Learning
Notice bibliographique
Résumé
OBJECTIVES: As research examining child health outcomes after PICU admission grows, so does the need for the identification and synthesis of a large body of literature. We aimed to create an open-access scoping repository of literature describing longer-term health outcomes after PICU admission, using a large multinational team (crowdsourcing) and a machine learning (ML) algorithm. DATA SOURCES: We performed a registered scoping review (OSF DOI10.17605/OSF.IO/HE5VB; Registered November 21, 2022) using MEDLINE, Embase, CINAHL, and CENTRAL databases, 2000-2022, with no language restrictions. STUDY SELECTION: Observational or interventional studies describing outcomes of children (0-17 yr old) and their families or caregivers measured greater than 2 weeks post-PICU discharge. Titles and abstracts and full texts were initially screened by a large team of PICU healthcare workers and researchers who were recruited as part of an Evidence Hackathon event at the 2022 World Federation of Pediatric Intensive and Critical Care Societies conference. Initial screening results from 5000 citations were used to develop and validate an ML algorithm, after which a hybrid human crowdsourcing and ML approach was used to screen the remaining 11,055 studies. DATA EXTRACTION: Not applicable. DATA SYNTHESIS: Of 16,055 eligible citations, 1,301 met the criteria at full text for inclusion in the database. The screening was completed in just under 2 months while adhering to the gold standard systematic review methodology. Sensitivity for the hybrid human crowdsourcing and ML was 98%. CONCLUSIONS: A collaborative, global PICU team integrated with ML was successful in efficient and accurate large data synthesis, producing a scoping open-access database of studies reporting on post-PICU outcomes. The development of this repository has implications for future reviews, providing opportunities for networking and collaborative engagement in research. The next steps should examine database maintenance, utilization, and dissemination of research findings.
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 | 0,052 | 0,186 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,004 |
| Bibliométrie | 0,152 | 0,093 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,005 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,003 |
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 ».