Notice bibliographique
Résumé
The search for effective treatments for pulmonary hypertension (PH) has been frustrating. The very first drug for idiopathic pulmonary arterial hypertension (PAH), epoprostenol, was approved in 1995.[1] And while progress has been made, a look at where we were, where we are, and where we need to be suggests we are far from accomplishing our goals.[2] We have identified three classes of drugs that improve symptoms, but we still do not have drugs that modify the disease process or protect patients from developing progressive pulmonary vascular disease.[3] Perhaps this is because the developed drugs were studied due to their vasodilator properties, while scientific research has now demonstrated that cellular proliferation, inflammation, and thrombosis are the dominant underlying pathobiologic processes, with chronic pulmonary vasoconstriction playing a relatively minor role.[4] In a recent editorial, Dr. Joseph Loscalzo pointed to the continuing low level of drugs approved by the FDA over the past 11 years in the face of an increasing demand for personalized cardiovascular drug development.[5] His call for a new paradigm has been echoed by academics, regulatory agencies, and the pharmaceutical industry. However, with limited patients and the high cost of drug development, it has become obvious that we have to find ways to identify promising drugs more quickly, with trials that require smaller numbers of patients, and shortened times to approval if we expect the pharmaceutical industry to continue to invest in treatments for this disease.[6] In return, our industry partners must be willing to embrace a paradigm that requires data sharing and collaboration.[7]To address this challenge, the Pulmonary Hypertension Academic Research Consortium (PHARC) was created as a forum to openly discuss strategies for clinical trials in PH that would benefit all of the stakeholders. The consortium initially included academics with an interest in pulmonary vascular disease, regulatory authorities from the United States, Canada, and Mexico, members of pharmaceutical companies with approved or developing drugs for PH, and observers from medical societies from
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,012 | 0,005 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,261 | 0,165 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».