Evidence or eminence: optimising patient outcomes by choosing the right doctor?
Notice bibliographique
Résumé
Ulcerative colitis (UC) is a chronic inflammatory disease of the large bowel, characterised by a relapsing-remitting course, frequently requiring hospitalisation.1 Despite significant advances in therapy over the past decades, a significant proportion of the patients still come ultimately to colectomy. Relatively few data (around 25%) are available on the hospitalisation rates in UC; however, it appears that despite advances in treatment algorithms, hospitalisation and colectomy rates have not decreased in the last decade in UC. In general, hospitalisation rates are two–threefold higher compared with the general population.2 Moreover, stable hospitalisation rates have been reported from the US by using 1990 to 2003 National Hospital Discharge Survey data (8.2–12.4 per 100 000 people)1 and in a population-based cohort from Canada between 1994 and 2001 (12.6–13.3 per 100 000 people), with major surgery being an important reason for hospitalisation in the latter study (55%).3 By contrast, increasing hospitalisation rates have been reported in another study done in the US by analysing the nationwide inpatient sample data between 1998 and 2004,4 with an annual 3% increase in hospitalisation rates, although surgical rates remained stable. The reasons for hospitalisation in UC may be several, including infectious diseases, but these patients typically have acute severe colitis (ASC). ASC is a significant clinical condition affecting about 20% of UC patients during the disease course. Overall, the management of these patients is challenging. Murthy et al report an important study of the impact of gastroenterology specialist care compared with care by other providers …
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 | 0,000 | 0,000 |
| 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 ».