Elementos de datos comunes para la artrogriposis múltiple congénita: Un marco internacional
Bibliographic record
Abstract
Resumen Objetivo Para facilitar los estudios multicéntricos y la investigación clínica internacional, este estudio pretende identificar de forma consensuada los elementos de datos estandarizados para la artrogriposis múltiple congénita (AMC). Método Estudio de métodos mixtos de grupos de discusión y tres rondas de encuestas Delphi modificadas para llegar a un consenso utilizando dos escalas de clasificación por niveles. Resultados En total, 45 expertos clínicos y adultos con experiencia vivida (incluidos 12 miembros de un consorcio de AMC) participaron en este estudio procedentes de 11 países: Norteamérica, Europa y Australia. Los CDEs incluyen 321 elementos de datos y 19 medidas estandarizadas en varios dominios desde el desarrollo fetal hasta la edad adulta. Los elementos de datos relativos a los rasgos fenotípicos del CDEs se mapearon de acuerdo con la Ontología de Fenotipos Humanos. Se identificaron como principales facilitadores la estructura de gobernanza universal, protocolos operados de forma local y los planes de sostenibilidad, mientras que los principales obstáculos observados son la capacidad limitada para compartir datos y la necesidad de una infraestructura informática federada. Interpretación La recopilación de datos sistemáticos sobre la AMC mediante CDEs permitirá investigar las vías etiológicas, describir el perfil epidemiológico y establecer correlaciones genotipo‐fenotipo de forma estandarizada. Los CDEs propuestos facilitarán las colaboraciones multidisciplinares internacionales mejorando los estudios a gran escala y las oportunidades para compartir datos, translación de conocimiento y difusión.
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 | 0.038 | 0.062 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".