MétaCan
Menu
Retour à la cohorte
Enregistrement W4414630376 · doi:10.1055/a-2710-7613

Correction: Computer-assisted optical diagnosis of colorectal polyps up to 10 mm

2025· erratum· en· W4414630376 sur OpenAlexaff
Megan Oleksiw, Mahsa Taghiakbari, Roupen Djinbachian, Heiko Pohl, Alan Barkun, Douglas K. Rex, Benoît Panzini, Simon Bouchard, Dina Lasfar, D Dubois, Daniel von Renteln

Notice bibliographique

RevueEndoscopy · 2025
Typeerratum
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensCentre Hospitalier de l’Université de MontréalMcGill University Health CentreUniversité de MontréalMontreal General Hospital
Organismes subventionnairesnon disponible
Mots-clésColorectal PolypColonoscopyColonic diseaseMEDLINEEndoscopyPeutz–Jeghers syndrome

Résumé

récupéré en direct d'OpenAlex

Correction to: Computer-assisted optical diagnosis of colorectal polyps up to 10 mm Endoscopy eFirst DOI: 10.1055/a-2663-7661 10.1055/a-2663-7661 In the above-mentioned article Figure 1 has been corrected. Correct is that 463 polyps were included in this polyps-level analysis. This was corrected in the online version on Sepember 29, 2025. Publication History Article published online: 29 September 2025 © 2025. Thieme. All rights reserved. Georg Thieme Verlag KG Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany

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)0,002
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,147

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,034
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0020,002
Communication savante0,0030,001
Science ouverte0,0020,001
Intégrité de la recherche0,0050,008
Charge utile insuffisante (le modèle a refusé de juger)0,0440,023

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 Opus0,010
Tête enseignante GPT0,303
Écart entre enseignants0,293 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEndoscopyMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207