MétaCan
Menu
Retour à la cohorte
Enregistrement W2117383513 · doi:10.1136/practneurol-2012-000463

When the going gets tough: how to select patients with Parkinson's disease for advanced therapies

2013· review· en· W2117383513 sur OpenAlexaff
Paul Worth

Notice bibliographique

RevuePractical Neurology · 2013
Typereview
Langueen
DomaineMedicine
ThématiqueNeurological disorders and treatments
Établissements canadiensUniversity Hospital Foundation
Organismes subventionnairesnon disponible
Mots-clésLevodopaDeep brain stimulationMedicineApomorphineParkinson's diseaseCarbidopaAdverse effectDiseaseTransdermalIntensive care medicineMotor symptomsPhysical medicine and rehabilitationPharmacologyDopamineDopaminergicInternal medicine

Résumé

récupéré en direct d'OpenAlex

Levodopa-induced motor complications of Parkinson's disease, including motor fluctuations and dyskinesias, become increasingly frequent as the disease progresses, and are often disabling. Oral and transdermal therapies have limited efficacy in controlling these problems. Advanced device-aided therapies, including continuous infusion of apomorphine, deep brain stimulation and levodopa-carbidopa intestinal gel can all ameliorate these complications. This review summarises the principles of each of these therapies, their modes of action, efficacy and adverse effects, and gives advice on timely identification of suitable patients and how to decide on the most appropriate therapy for a given patient.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,048
Tête enseignante GPT0,338
Écart entre enseignants0,290 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations72
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePractical NeurologyMême sujetNeurological disorders and treatmentsTravaux en français237 207