门户网站开发
开发一个基于Web的工具,用于自动化IC-CoDE表型生成。
使用R语言Shiny框架开发门户网站,部署于Google Cloud,并经过团队内部及外部用户测试。
The International Classification of Cognitive Disorders in Epilepsy (IC-CoDE) Portal: An open source resource for neuropsychological research in epilepsy
本文为软件平台开发与验证研究,主要包含工具开发、用户测试和验证分析,缺乏传统生物学或临床干预实验。
文中未明确说明
IC-CoDE表型的生成需要至少四个认知领域内各至少两项测试的完整数据 验证中使用1.5个标准差作为受损判定阈值 验证使用了三个独立的癫痫神经心理学数据集,样本量分别为800、905和63 验证中比较了手动表型生成与门户网站表型生成的一致性
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
开发一个基于Web的工具,用于自动化IC-CoDE表型生成。
使用R语言Shiny框架开发门户网站,部署于Google Cloud,并经过团队内部及外部用户测试。
评估门户网站生成的表型与手动生成的表型之间的一致性。
使用三个独立的癫痫神经心理学数据集(N=800, 905, 63),分别通过手动和门户网站方式生成IC-CoDE表型,并计算Cohen's kappa。
评估门户网站的可用性和用户体验。
邀请ILAE神经心理学工作组、INS癫痫兴趣小组及IC-CoDE研究人员进行beta测试,并通过REDCap调查收集反馈。
按研究目的归类文中使用的方法,便于定位所需技术。
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 表型生成 | 至少四个认知领域,每个领域至少两项测试;测试得分需在选定阈值(如-1.5 SD)下判定受损 阅读提示:Methods 2.2 Portal validation 和 2.4 Instructions for Portal use |
| 验证过程 | 需三个独立数据集,手动分类与门户网站分类的一致性比较,需计算Cohen's kappa 阅读提示:Methods 2.2 Portal validation |