MétaCan
Menu
Retour à la cohorte
Enregistrement W179367881

The Southern Alberta Renal Program database: a prototype for patient management and research initiatives.

2001· article· en· W179367881 sur OpenAlexaffabout
Braden Manns, Garth Mortis, K. Taub, Kevin McLaughlin, Cam Donaldson, William A. Ghali

Notice bibliographique

RevuePubMed · 2001
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésDatabaseMedicineComorbidityQuality assuranceHealth careComputer scienceInternal medicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Southern Alberta Renal Program (SARP) database was developed to respond to an urgent need for local information on clinical outcomes, laboratory information, and health care costs, and to enable our local renal program to monitor the implementation of established clinical practice guidelines. The database captures detailed demographic, clinical, and laboratory information and is unique by also capturing comorbidity, health-related quality of life and costing information for patients with end-stage renal disease (ESRD) in southern Alberta, storing the information in one common database. By collecting information on patient comorbidity, health outcomes and costs, the SARP database has enabled many quality assurance initiatives as well as research opportunities for projects involving patients with ESRD. Due to the availability of links with other available local clinical and administrative databases, information is collected with a minimal need for manual data entry. This type of database is a method by which health programs could improve the quality of patient care. Programs caring for patients with chronic medical conditions such as ESRD should examine how computer databases could assist in clinical care and improve the efficiency with which that care is delivered to their patients.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,129
Score d'incertitude au seuil0,256

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,010
Études des sciences et des technologies0,0010,000
Communication savante0,0030,003
Science ouverte0,0040,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0360,016

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,055
Tête enseignante GPT0,326
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations107
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetDialysis and Renal Disease ManagementTravaux en français237 207