Processus de validation d’une base de données haute résolution dans une unité de soins intensifs pédiatriques
Bibliographic record
Abstract
Objectif : Notre objectif était d’évaluer la qualité des données de la base de données haute résolution (BDHR) implantée dans l’unité de soins intensifs pédiatriques (USIP) de l’Hôpital Sainte-Justine (HSJ). Type d’étude : Un rapport descriptif et une analyse d’une étude prospective de validation d’une BDHR. Environnement : Une USIP de 32 lits, adaptée aux soins médicaux, chirurgicaux et cardiaques dans un centre tertiaire mère-enfant du Canada. Population : Tous les patients admis à l’USIP et ayant un monitorage d’au moins 1 signe vital par un moniteur cardio-respiratoire. Mesures et résultats principaux : Entre juin 2017 et août 2018, les données de 295 jours de patients ont été enregistrées à partir des appareils médicaux et 4465 données ont été filmées et comparées aux données correspondantes dans la BDHR de l’USIP de l’HSJ. Les analyses statistiques ont démontré en général une bonne corrélation, une excellente fiabilité et un bon agrément. Les graphiques de Bland-Altman ont aussi démontré l’exactitude et la précision entre les données récoltées et les données filmées selon les limites d’agrément cliniquement significatives préalablement définies. Conclusions : Cette étude de validation exécutée sur un échantillon représentatif a démontré que la qualité des données était globalement excellente.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.379 | 0.552 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.006 |
| Bibliometrics | 0.011 | 0.010 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.005 | 0.006 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.004 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".