Vocabulaire : Lecture critique des études d'intelligence artificielle en santé en anglais : validité et biais algorithmiques
15 cartes · Anglais médical · P2
Ta révision
Les 15 cartes du paquet
study design
Plan ou type d'étude ; à repérer avant d'interpréter les résultats.
The study design must match the clinical question.
dataset
Ensemble de données utilisé dans l'étude.
The dataset includes patients from one hospital.
training set
Jeu d'entraînement : données servant à entraîner le modèle.
The model was developed on the training set.
validation set
Jeu de validation ; la leçon distingue training set, validation set et test set.
Do not confuse the validation set with the independent test set.
test set
Jeu de test pour évaluer le modèle ; il doit rester indépendant.
The test set must remain independent.
outcome
Résultat ou critère de jugement mesuré dans l'étude.
The primary outcome should matter for patient care.
data leakage
Fuite de données entre entraînement et évaluation ; à éviter pour la validité interne.
Data leakage can artificially inflate performance.
overfitting
Surapprentissage ; à éviter pour la validité interne.
Overfitting may explain overly optimistic results.
validité interne
Étude bien conduite dans sa propre population : pas de data leakage, pas d'overfitting, analyse adaptée.
validité externe
Le modèle reste performant dans un autre hôpital, un autre pays ou une autre période.
Sans validation externe, on ne sait pas si le modèle generalizes.
validité de construit
Vérifie si la métrique mesure vraiment ce qui compte pour le patient, pas seulement une bonne prédiction statistique.
selection bias
Biais de sélection : des groupes sont exclus ou sous-représentés dans le dataset.
Under-representation of women can cause selection bias.
label bias
Biais d'étiquetage : ground truth imparfaite ; les étiquettes reflètent parfois des inégalités de soins.
Label bias can arise from an imperfect ground truth.
spectrum bias
Biais de spectre : les cas testés ne ressemblent pas aux cas réels, par exemple uniquement des formes graves.
Testing only severe cases can introduce spectrum bias.
dataset shift
Décalage de données au déploiement ; peut aggraver les erreurs.
Dataset shift may worsen model errors after deployment.