MétaCan
Menu
← Retour à la cohorte
Enregistrement W4414887819 · doi:10.2139/ssrn.5560399

From research to clinical practice: Consensus guidelines for Neuroimaging AI tools for the Memory clinic (Neuro-AIM)

2025· preprint· en· W4414887819 sur OpenAlexaff
Natasha Clarke, M. Huybrechts, Jay Amin, Lewis Hotchkiss, James Leighs, Matthew Leming, Usman Saeed, Catherine J Scott, Dirk Smeets, Angela Tam, Stefano Tamburin, Geert Vanhooren, Meike W. Vernooij, Jennifer Camaradou, David J. Llewellyn, Timothy Rittman, Rose Bruffaerts

Notice bibliographique

RevueSSRN Electronic Journal · 2025
Typepreprint
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensUniversity of TorontoUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésNeuroimagingMEDLINEClinical PracticeIdentification (biology)

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,239
score de la tête « metaresearch » (Gemma)0,335
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,239
Score d'incertitude au seuil0,938

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2390,335
Méta-épidémiologie (sens strict)0,0030,004
Méta-épidémiologie (sens large)0,0090,014
Bibliométrie0,0180,011
Études des sciences et des technologies0,0060,009
Communication savante0,0180,008
Science ouverte0,0210,017
Intégrité de la recherche0,0210,023
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

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 Opus0,648
Tête enseignante GPT0,659
Écart entre enseignants0,012 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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 présentnon

Explorer davantage

Même revueSSRN Electronic Journal→Même sujetArtificial Intelligence in Healthcare and Education→Travaux en français237 207→