MétaCan
Menu
Retour à la cohorte
Enregistrement W2319124510 · doi:10.14740/jcgo.v5i1.368

Severe Infections in Obstetrics and Gynecology: How Early Surgical Intervention Saves Lives

2016· article· en· W2319124510 sur OpenAlexvenueno aff
Beryl Manning‐Geist, Bassam H. Rimawi

Notice bibliographique

RevueJournal of Clinical Gynecology and Obstetrics · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueStreptococcal Infections and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineObstetrics and gynaecologyIntervention (counseling)Intensive care medicineSepsisToxic shock syndromeSurgical InfectionsAntimicrobialSeptic shockGeneral surgeryGynecologySurgeryObstetricsStaphylococcus aureusPregnancyNursingAntibiotics

Résumé

récupéré en direct d'OpenAlex

Obstetricians and gynecologists commonly encounter many different infections. Early recognition and treatment of these infections is crucial. On many occasions, the use of antimicrobials alone is sufficient; however, in some instances, even with antimicrobials, early surgical intervention is necessary to treat the source of infection and prevent further dissemination. This review article focuses on the epidemiology, diagnosis and management of some of the aggressive microorganisms encountered in obstetrics and gynecology. A full literature review of why early surgical intervention is critical to saving lives was conducted. Clostridial species, Streptococcus pyogenes and Staphylococcus aureus bacteria are outlined in this review, given their aggressive ability to progress into disseminating sepsis, toxic shock syndrome and necrotizing soft tissue infections. This review serves as a guide to assist obstetricians and gynecologists with making life-saving decisions on early surgical intervention when encountering such critically ill patients. An algorithmic approach is also illustrated that an obstetrician gynecologist can follow when encountering such microorganisms. J Clin Gynecol Obstet. 2016;5(1):1-16 doi: http://dx.doi.org/10.14740/jcgo368w

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,047
Tête enseignante GPT0,365
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'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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Gynecology and ObstetricsMême sujetStreptococcal Infections and TreatmentsTravaux en français237 207