MétaCan
Menu
Retour à la cohorte
Enregistrement W2004073357 · doi:10.1186/s12916-014-0200-8

Remembering the forgotten non-communicable diseases

2014· article· en· W2004073357 sur OpenAlexaff
Alan D López, Thomas N. Williams, Adeera Levin, Marcello Tonelli, Jasvinder A. Singh, Peter Burney, Jürgen Rehm, Nora D. Volkow, George F. Koob, Cleusa P. Ferri

Notice bibliographique

RevueBMC Medicine · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Public Health Policies and Epidemiology
Établissements canadiensCentre for Addiction and Mental HealthSt. Paul's HospitalUniversity of British Columbia
Organismes subventionnairesNational Institute of Arthritis and Musculoskeletal and Skin DiseasesNational Cancer InstituteNational Institutes of HealthAgency for Healthcare Research and QualityPatient-Centered Outcomes Research InstituteNational Institute on AgingWellcome Trust
Mots-clésMedicineNon-communicable diseaseGlobal healthBurden of diseaseDisease burdenDiseaseEnvironmental healthLow and middle income countriesDouble burdenQuality of life (healthcare)Intensive care medicineEconomic growthGerontologyDeveloping countryPublic healthObesityPathology

Résumé

récupéré en direct d'OpenAlex

The forthcoming post-Millennium Development Goals era will bring about new challenges in global health. Low- and middle-income countries will have to contend with a dual burden of infectious and non-communicable diseases (NCDs). Some of these NCDs, such as neoplasms, COPD, cardiovascular diseases and diabetes, cause much health loss worldwide and are already widely recognised as doing so. However, 55% of the global NCD burden arises from other NCDs, which tend to be ignored in terms of premature mortality and quality of life reduction. Here, experts in some of these 'forgotten NCDs' review the clinical impact of these diseases along with the consequences of their ignoring their medical importance, and discuss ways in which they can be given higher global health priority in order to decrease the growing burden of disease and disability.

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)0,011
score de la tête « metaresearch » (Gemma)0,033
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 enseignants0,012
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,033
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,014
Communication savante0,0120,019
Science ouverte0,0020,004
Intégrité de la recherche0,0100,019
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,040
Tête enseignante GPT0,299
Écart entre enseignants0,259 · 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

Citations113
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC MedicineMême sujetGlobal Public Health Policies and EpidemiologyTravaux en français237 207