MétaCan
Menu
Retour à la cohorte
Enregistrement W2146371007 · doi:10.1086/591852

Diagnostic Testing or Empirical Therapy for Patients Hospitalized with Suspected Influenza: What to Do?

2008· review· en· W2146371007 sur OpenAlexaff
Allison McGeer

Notice bibliographique

RevueClinical Infectious Diseases · 2008
Typereview
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineIntensive care medicineDiagnostic testAmbulatoryNeuraminidaseOseltamivirNeuraminidase inhibitorInternal medicineEmergency medicineVirusImmunologyCoronavirus disease 2019 (COVID-19)Disease

Résumé

récupéré en direct d'OpenAlex

Accumulating evidence supports the use of specific diagnostic tests and antiviral therapies for seriously ill patients with influenza. Among available diagnostic tests, reverse-transcriptase polymerase chain reaction is faster than culture and more sensitive than commercial antigen assays. Current neuraminidase inhibitors were approved on the basis of their efficacy in ambulatory patients, but seriously ill patients who receive these agents are less likely to die, even when treatment is initiated >48 h after symptom onset. For patients hospitalized with suspected influenza, it is unclear which circumstances warrant diagnostic testing and which warrant the use of empirical therapy. Rapid antigen assays may reduce the unnecessary use of other tests and medications but are relatively insensitive, thus eliminating many patients with influenza as candidates for treatment. Empirical antiviral therapy ensures that all patients receive treatment promptly, at a cost equivalent to that of diagnostic tests alone, but results in the receipt of treatment by many patients without influenza. For patients hospitalized with suspected influenza, clinicians need to combine these approaches in order to optimize patient care.

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)0,004
score de la tête « metaresearch » (Gemma)0,014
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 enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,293
Tête enseignante GPT0,532
Écart entre enseignants0,239 · 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

Citations29
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Infectious DiseasesMême sujetInfluenza Virus Research StudiesTravaux en français237 207