MétaCan
Menu
Retour à la cohorte
Enregistrement W2136421613 · doi:10.7205/milmed-d-10-00335

Anaphylaxis: Assessment of a Disease-Based Military Medical Standard

2011· article· en· W2136421613 sur OpenAlexaffabout
Peter R. Zeindler, Alan Gervais

Notice bibliographique

RevueMilitary Medicine · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueFood Allergy and Anaphylaxis Research
Établissements canadiensCanadian Armed Forces
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical prescriptionAnaphylaxisDiseasePopulationChartMilitary personnelMedical recordMilitary medicineAllergyEnvironmental healthInternal medicineImmunologyStatistics

Résumé

récupéré en direct d'OpenAlex

Although widespread, the use of disease-based employment medical standards is poorly understood or researched. A probabilistic model and threshold value are developed and applied to a military (Canadian Forces [CF]) medical standard for anaphylaxis. Frequency estimates of prevalence, occurrence, and impairing reactions are determined from the literature for military applicants and from medical chart review of military members identified by prescriptions for self-administered epinephrine. The prevalence of prescriptions is 1.13% (CI 1.05, 1.22) and 0.86% (CI 0.72, 1.00) in the CF Regular Force and applicant populations, respectively. The proposed model predicts the annual risk of an impairing allergic reaction in the CF population ranges from 0.1% to 0.16%/year, well below the proposed threshold of 0.5%. The majority of this risk arises from new cases and not recurrences. Requirement for care increases with recurrence. This model allows a useful method of disease-based medical standard review.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,335
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,000

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 Opus0,040
Tête enseignante GPT0,336
Écart entre enseignants0,296 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMilitary MedicineMême sujetFood Allergy and Anaphylaxis ResearchTravaux en français237 207