Enregistrement W1981117687 · doi:10.1016/j.jaut.2012.12.009

Cancer risk in systemic lupus: An updated international multi-centre cohort study

2013· article· en· W1981117687 sur OpenAlexafffund

Sasha Bernatsky, Rosalind Ramsey‐Goldman, Jeremy A. Labrecque, Lawrence Joseph, Jean-François Boivin, Michelle Petri, Asad Zoma, Susan Manzi, Murray B. Urowitz, Dafna D. Gladman, Paul R. Fortin, Ellen M. Ginzler, Edward H. Yelin, Sang‐Cheol Bae, Daniel J. Wallace, Steven M. Edworthy, Søren Jacobsen, Caroline Gordon, Mary Anne Dooley, Christine Peschken, John G. Hanly, Graciela S. Alarcón, Ola Nived, Guillermo Ruiz‐Irastorza, David Isenberg, Anisur Rahman, Torsten Witte, Cynthia Aranow, Diane L. Kamen, Kristján Steinsson, Anca Askanase, Susan G. Barr, Lindsey A. Criswell, Gunnar Sturfelt, Neha M. Patel, Jean‐Luc Senécal, Michel Zummer, Janet Pope, Stephanie Ensworth, Hani El‐Gabalawy, Timothy J. McCarthy, Lene Dreyer, John Sibley, Yvan St. Pierre, Ann E. Clarke

Notice bibliographique

RevueJournal of Autoimmunity · 2013

Typearticle

Langueen

DomaineMedicine

ThématiqueSystemic Lupus Erythematosus Research

Établissements canadiensToronto Western HospitalUniversity of British ColumbiaRoyal University HospitalUniversity of TorontoWestern UniversityUniversité de MontréalUniversité LavalUniversity of ManitobaDalhousie UniversityUniversity of CalgaryMcGill UniversityMcGill University Health Centre

Organismes subventionnairesUniversity of California, San FranciscoNational Cancer InstituteNational Institutes of HealthEusko JaurlaritzaCanadian Institutes of Health ResearchMcGill University Health CentreLupus Research AllianceMcGill UniversityNational Institute of Arthritis and Musculoskeletal and Skin DiseasesArthritis SocietyJohns Hopkins University

Mots-clésMedicineSystemic lupusCohortSystemic lupus erythematosusSystemic riskCohort studyOncologyInternal medicineDiseaseEconomics

DOI10.1016/j.jaut.2012.12.009

Résumé

récupéré en direct d'OpenAlex

Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,002

score de la tête « metaresearch » (Gemma)0,003

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: Observationnel

GenreSignal candidat: Empirique · Signal consensuel: Empirique

Score de désaccord entre enseignants0,025

Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

Catégorie	Codex	Gemma
Métarecherche	0,002	0,003
Méta-épidémiologie (sens strict)	0,001	0,001
Méta-épidémiologie (sens large)	0,001	0,002
Bibliométrie	0,002	0,004
Études des sciences et des technologies	0,001	0,000
Communication savante	0,001	0,001
Science ouverte	0,001	0,001
Intégrité de la recherche	0,001	0,001
Charge utile insuffisante (le modèle a refusé de juger)	0,001	0,000

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 Opus0,026

Tête enseignante GPT0,335

Écart entre enseignants0,310 · 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

Citations303

Publié2013

Routes d'admission2

Résumé présentnon

Télécharger la notice (JSON)Signaler un problème avec cette notice

Explorer davantage

Même revueJournal of Autoimmunity→Même sujetSystemic Lupus Erythematosus Research→Travaux en français237 207→