机器学习辅助系统审查在整形外科

科学领域:

• 医疗信息学 医疗信息学
• 基于证据的医学基于证据的医学.
• 整形医学研究 整形医学研究

背景情况:

• 系统审查在骨科中至关重要,但是劳动密集型的.
• 机器学习 (ML) 提供了简化系统审查过程的潜力.
• 这项研究评估了ML辅助的骨科系统评审性能.

研究的目的:

• 评估ML辅助系统审查的有效性,以检索相关论文.
• 在骨科检查中,量化ML与传统方法相比节省的工作量.
• 确定ML在不同复杂性审查场景 (简单,中间,高级) 中的性能.

主要方法:

• 使用了系统审查 (ASReview) 软件的积极学习.
• ASReview 在之前的三个骨科系统审查中进行了测试.
• 在20次代中评估了性能,测量了节省工作的百分比 (WSS) 和相关参考识别率 (RRF).

主要成果:

• 在95%回忆 (WSS@95) 中节省的工作比例从50% (高级) 到72% (轻松/中等) 不等.
• 在100%回忆 (WSS@100) 中节省的百分比工作范围从37% (高级) 到72% (简单).
• 在前10%的选记录中 (RRF@10) 确定了相关的引用,比例为58% (高级) 到79% (简单).

结论:

• 在骨科研究中,ML辅助的系统审查是有效的,大大降低了负担.
• 大多数相关论文在选过程的早期被确定 (在10%以内).
• 可以实现大量的工作节省 (60-70%),所有相关文件在选后被发现了30-40%.