MétaCan
Menu
Retour à la cohorte
Enregistrement W2122881156 · doi:10.1111/hdi.12185

Pyogenic liver abscess in end‐stage renal disease patients: A nationwide longitudinal study

2014· article· en· W2122881156 sur OpenAlexvenueno aff
Lung‐Wen Tsai, Pei‐Wen Chao, Shuo‐Ming Ou, Yung‐Tai Chen, Chia‐Jen Shih, Szu‐Yuan Li, Tzen‐Wen Chen, Tzeng‐Ji Chen, Chien‐Tsai Liu

Notice bibliographique

RevueHemodialysis International · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueAmoebic Infections and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineEnd stage renal diseaseCohortInternal medicineHazard ratioHemodialysisIncidence (geometry)Diabetes mellitusRate ratioDialysisPeritoneal dialysisCohort studySurgeryMortality rateConfidence intervalEndocrinology

Résumé

récupéré en direct d'OpenAlex

End-stage renal disease (ESRD) patients are more prone to infectious disease because of their immunocompromised status. However, the association between pyogenic liver abscess (PLA) and ESRD remains not clear. The aim of our study is to evaluate the incidence, risk factors, and outcomes of PLA in ESRD patients. We recruited all incident ESRD patients from the Taiwan National Health Insurance database from 1998 to 2006. The incidence rate of PLA in ESRD patients was compared with that of a randomly selected non-ESRD control group matched for age, sex gender, Charlson comorbidity score, diabetes mellitus, and cirrhosis. Among the 57,761 incident dialysis patients, there were 538 cases of PLA. The incidence rate of PLA was 18.20 per 10,000 person-years in the ESRD cohort and 6.34 per 10,000 person-years in matched control cohort. The rate of PLA was significantly higher in the ESRD cohort (hazard ratio 3.63, 95% confidence interval 2.83-4.65, P < 0.001). The mortality rates of PLA were higher in the ESRD cohort than those in matched control cohort. Diabetes mellitus was an independent risk factor for mortality of PLA. Compared with non-ESRD patients, ESRD patients have a higher risk of PLA and poorer outcomes.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,292
Écart entre enseignants0,273 · 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

Citations9
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHemodialysis InternationalMême sujetAmoebic Infections and TreatmentsTravaux en français237 207