Open-LBP-RF: A Clinical Note Dataset annotated with Lower Back Pain Risk Factors
Notice bibliographique
Résumé
Abstract Choosing Wisely Canada identifies six red-flag risk factors that justify imaging for patients with lower back pain (LBP), yet existing datasets for studying these indicators remain publicly inaccessible, small, and manually annotated. We present Open-LBP-RF, the first publicly available clinical note dataset annotated for LBP imaging risk factors. Our annotations are generated using a structured prompting framework called R2D2-G (Role-play, Domain, Rules, Output format, Demonstration, Guidance), which guides large language models (LLMs) to label risk factors using chain-of-thought rationales in structured JSON format. We demonstrate that R2D2-G achieves a competitive weighted F1-score (0.89) on zero-shot risk factor classification on an expert-annotated set. Qualitative analysis shows it uncovers both valid clinical mentions and human labeling errors. We release the Open-LBP-RF dataset and the novel R2D2-G prompting framework to facilitate further work on LLM-based clinical annotation and risk-aware triage for lower back pain. Given the importance of public clinical annotations, our approach represents a path from prompt calibration on internal data to public dataset annotation at scale. Our dataset is available at: https://huggingface.co/datasets/Aman-J/OPEN-LBP-RF. This article is part of the Proceedings of the BioCreative IX Challenge and Workshop (BC9): Large Language Models for Clinical and Biomedical NLP at the International Joint Conference on Artificial Intelligence (IJCAI).
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,008 | 0,008 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,013 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».