Contrast sensitivity and visual hallucinations in patients referred to a low vision rehabilitation clinic
Notice bibliographique
Résumé
<h3>Objective</h3> Mental health problems are prevalent in youth with rheumatologic disease. Gaps in knowledge exist regarding their effect, as well as strategies for detection and effective treatment. To address these gaps, the Childhood Arthritis and Rheumatology Research Alliance (CARRA) Mental Health Workgroup developed and prioritized an agenda of research topics. <h3>Methods</h3> We systematically reviewed the literature and identified 5 major research domains in further need of study: (A) mental health burden and relationship to pediatric rheumatologic disease, (B) effect of mental health disorders on outcomes, (C) mental health awareness and education, (D) mental health screening, and (E) mental health treatment. Research topics within these areas were developed by workgroup leaders and refined by the workgroup. Members were surveyed to prioritize the topics by importance, feasibility of study, and actionability. <h3>Results</h3> Fifty-nine members (57%) completed the survey. Among the proposed research topics, 31/33 were rated as highly important and 4/33 were rated highly for importance, feasibility, and actionability. Topics rated most important related to (A) mental health burden and relationship to rheumatologic disease, and (B) the effect of mental health on outcomes. Topics rated most feasible and actionable were related to (D) mental health screening. <h3>Conclusion</h3> Addressing gaps in knowledge regarding mental health in youth with rheumatologic disease is essential for improving care. We have identified high priority research topics regarding mental health of pediatric rheumatology patients in need of further investigation that are feasible to study and believed to lead to actionable results in patient care.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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.
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 tête enseignante, 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 ».