MétaCan
Menu
Retour à la cohorte
Enregistrement W1835207766

Treating nausea and vomiting with magnets.

2004· article· en· W1835207766 sur OpenAlexaff
Gordon E Riddle

Notice bibliographique

RevuePubMed · 2004
Typearticle
Langueen
DomaineMedicine
ThématiquePregnancy and Medication Impact
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésVomitingNauseaPregnancyMedicineHyperemesis gravidarumAnesthesiaPediatrics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Nausea and vomiting, especially during the early stages of pregnancy, is a common problem among patients of family physicians. Good treatments are available, but sometimes they do not work, and all require medications. Because they fear teratogenicity, some patients want to avoid traditional antiemetics. Complementary or alternative therapies can off er options to ease unpleasant and potentially dangerous nausea and vomiting. After hearing about magnets being used successfully for motion sickness and seeing the results on a family member, I tried using magnets for a pregnant patient. Th is patient had presented at 13 weeks’ gestation with uncontrolled nausea and vomiting despite having taken full doses of doxylamine succinate–pyridoxine hydrochloride (Diclectin®) since 9 weeks’ gestation. She estimated she was retaining only 500 mL/d of fl uid (she has some paramedical training). I off ered her intravenous treatment in hospital or multipolar magnets on the insides of both wrists with close follow up. She chose the latter, and I contacted her three times a day for the following 2 days. She had no more vomiting on the day of application and “mild vomiting the next morning” (her words). She did not vomit again until the seventh morning when she returned to “violent vomiting” (her words). She had not put the magnets on following her shower the night before. She completed the pregnancy using the magnets with no further concerns. Few patients have nausea and vomiting this severe during pregnancy, but I did have another patient whom I treated successfully with the same method.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,016
Tête enseignante GPT0,223
Écart entre enseignants0,207 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations1
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetPregnancy and Medication ImpactTravaux en français237 207