MétaCan
Menu
Retour à la cohorte
Enregistrement W2159013540 · doi:10.1086/506357

<i>Editorial Commentary:</i>Improving the Treatment of<i>Clostridium difficile</i>–Associated Disease: Where Should We Start?

2006· editorial· en· W2159013540 sur OpenAlexaff

Notice bibliographique

RevueClinical Infectious Diseases · 2006
Typeeditorial
Langueen
DomaineMedicine
ThématiqueClostridium difficile and Clostridium perfringens research
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesViropharma
Mots-clésMedicineClostridium difficileMetronidazoleDiseaseVancomycinEtiologyIntensive care medicineEnterocolitisLeprosyImmunologyAntibioticsInternal medicineMicrobiologyStaphylococcus aureus

Résumé

récupéré en direct d'OpenAlex

There are few common infectious diseases occurring in developed countries for which the treatments used in 2006 are essentially the same as those recommended one-quarter of a century ago. When this happens in resource-poor areas—for example, with leishmaniasis, trypanosomiasis, or leprosy—these infections are labelled “neglected diseases.” The same could be said of Clostridium difficile–associated disease (CDAD). Metronidazole and vancomycin have been used for the treatment of CDAD since the etiological agent was first identified in 1978, although ∼25% of patients treated with these drugs experience at least 1 recurrence of disease [1]. Some of these recurrences are due to reinfections with a new strain (and thus are not due to treatment failure), and others are due to relapses attributable to the original strain [2]. To a large extent, the lack of innovative research into the treatment of CDAD was a consequence of the long-standing perception of C. difficile as a nuisance pathogen (i.e., annoying, but without serious consequences), the management of which could be delegated to the most junior member of the medical staff. In this context, there was little incentive for the pharmaceutical industry to develop novel molecules.

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)0,007
score de la tête « metaresearch » (Gemma)0,024
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: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,024
Méta-épidémiologie (sens strict)0,0040,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,004
Communication savante0,0050,006
Science ouverte0,0050,001
Intégrité de la recherche0,0280,027
Charge utile insuffisante (le modèle a refusé de juger)0,0110,014

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 Opus0,035
Tête enseignante GPT0,354
Écart entre enseignants0,318 · 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
GenreÉditorial

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

En bref

Citations23
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Infectious DiseasesMême sujetClostridium difficile and Clostridium perfringens researchTravaux en français237 207