MétaCan
Menu
Retour à la cohorte
Enregistrement W4416119150 · doi:10.12968/jowc.2025.34.s11c.s55

Delphi study on the STRIDE algorithm for compression selection in upper-body lymphoedema

2025· article· en· W4416119150 sur OpenAlexaff
Karen Bock, Suzie Ehmann, Naomi Dolgoy, Sandi Davis, Brandy McKeown, Justine C Whitaker, Elizabeth A. Anderson

Notice bibliographique

RevueJournal of Wound Care · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueLymphatic System and Diseases
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésSTRIDEDelphiCompression (physics)TrunkData compressionSelection (genetic algorithm)

Résumé

récupéré en direct d'OpenAlex

Background: The original STRIDE algorithm covered lower-limb lymphoedema but not the upper body. Aims: To update the STRIDE algorithm for compression selection to treat lymphoedema of the upper limb, breast and trunk by achieving consensus on the definitions and importance of its six aspects. Method: Using a modified Delphi framework, clinical experts in the field ranked agreement and gave open-ended feedback over two rounds of surveys, with a >70% threshold for agreement. Results: In the first round, participants represented five continents (n=36). Characteristics that met the threshold consensus of >70% agreement were then applied to the STRIDE algorithm, and the second survey was developed. In the second round (n=22), the definitions of all elements of the STRIDE algorithm had at least 70% agreement or strong agreement. Shape and issues were the elements most often considered first in compression selection, while refill was least often considered first in selection. Conclusions: This Delphi study achieved consensus on the descriptions of the elements of the revised STRIDE algorithm for compression in upper-limb, breast and trunk lymphoedema. The STRIDE algorithm can now be used to make clinical decisions on selecting compression garments for the upper body.

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)0,313
score de la tête « metaresearch » (Gemma)0,283
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,313
Score d'incertitude au seuil0,847

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3130,283
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,005
Communication savante0,0030,005
Science ouverte0,0020,010
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,019
Tête enseignante GPT0,333
Écart entre enseignants0,314 · 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'étudeQualitatif
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Wound CareMême sujetLymphatic System and DiseasesTravaux en français237 207