Notice bibliographique
Résumé
Lupus (2007) 16, 849‐851 http://lup.sagepub.com Many years ago the late Peter Cook and Dudley Moore wrote a sketch in which the characters spoke to each other mostly in abbreviations along the lines . . . ‘Good evening JB wasn’t it you I saw driving the BMW in SW2 last week? Are you OK?’ ‘Yes, PC that was me I was in a bit of hurry; spot of D&V coming off the P&O cruise from NYC …’ and so on …. Reading the current lupus literature in relation with lupus disease assessment draws an inevitable comparison given the plethora of abbreviations and acronyms especially for disease activity indices. This situation, however, should not be regarded as wholly bad given what went before, which was frankly anarchy. As has been pointed out 1 in the twenty years or so leading up to the mid-80s some sixty attempts at defining disease activity in patients with lupus were published that were of little value since the authors did not attempt to validate them, demonstrate their reproducibility or show they could be used in large numbers of collaborating centres. I should perhaps, put my hand up here as being at least as guilty as anybody else, as three of these early attempts were mine! Things began to change in the mid-80s when groups in the UK, Toronto and Boston began to take the assessment of lupus patients seriously. The Boston and Toronto groups went along a conventional global score path attempting to develop accurate and reliable global scores that were arrived at by consensus, tested on real and paper patients and in a variety of collaborating centres. Thus Matt Liang developed the Systemic Lupus Activity Measures (SLAM) global score 1 and
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 | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,018 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».