Farmacología

Rendimiento y usabilidad del aprendizaje automático para el cribado en revisiones sistemáticas: una evaluación comparativa de tres herramientas

25 noviembre 2019

AHRQ , 15 de noviembre de 2019 La carga de trabajo y el ahorro de tiempo que ofrece la simulación automatizada conlleva un mayor riesgo de excluir erróneamente los registros relevantes. Complementar las decisiones de un solo revisor con predicciones de relevancia (simulación semiautomatizada) mejoró la proporción perdida en algunos casos, pero el rendimiento varió según la herramienta y el RS. El diseño de herramientas basadas en las preferencias autoidentificadas de los revisores puede mejorar su compatibilidad con los flujos de trabajo actuales.

aprendizaje automático revisiones sistemáticas

Cómo leer artículos que utilizan el aprendizaje automático: guías de usuario para la literatura médica.

21 noviembre 2019

JAMA, 12 de noviembre de 2019Los modelos de aprendizaje automático generalmente tienen configuraciones preespecificadas adicionales llamadas hiperparámetros, que deben ajustarse en un conjunto de datos independiente del conjunto de validación. En el conjunto de validación, el resultado contra el cual se evalúa el modelo se denomina estándar de referencia

CIMEFF Centro de Información de Medicamentos Fundación Femeba Investigación

análisis crítico aprendizaje automático