MétaCan
Menu
Retour à la cohorte
Enregistrement W2346505682 · doi:10.1016/j.jagp.2016.04.015

Impact of Prior Treatment on Remission of Late-Life Depression with Venlafaxine and Subsequent Aripiprazole or Placebo Augmentation

2016· article· en· W2346505682 sur OpenAlexafffund
Jonathan H. Hsu, Benoit H. Mulsant, Eric J. Lenze, Jordan F. Karp, Helen Lavretsky, Steven P. Roose, Charles F. Reynolds, Daniel M. Blumberger

Notice bibliographique

RevueAmerican Journal of Geriatric Psychiatry · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueTreatment of Major Depression
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesFusion Oriented REsearch for disruptive Science and TechnologyTaylor Family Institute for Innovative Psychiatric Research, Washington University School of Medicine in St. LouisNational Center for Advancing Translational SciencesNational Center for Complementary and Integrative HealthNational Center on Minority Health and Health DisparitiesNational Institute on AgingBristol-Myers SquibbForest LaboratoriesEvelyn F. McKnight Brain Research FoundationRocheCampbell Family Mental Health Research InstituteCommonwealth of PennsylvaniaCenters for Medicare and Medicaid ServicesNational Institutes of HealthAlzheimer's Research and Prevention FoundationCanadian Institutes of Health ResearchPfizerCentre for Addiction and Mental Health FoundationNational Palliative Care Research CenterH. Lundbeck A/SNational Institute of Mental HealthPatient-Centered Outcomes Research InstituteEli Lilly and CompanyFondation Brain CanadaAmerican Foundation for Suicide PreventionSidney R. Baer, Jr. FoundationJohn A. Hartford FoundationNational Heart, Lung, and Blood Institute
Mots-clésAripiprazoleVenlafaxinePlaceboDepression (economics)MedicinePsychiatryInternal medicineAntidepressantOncologyPsychologySchizophrenia (object-oriented programming)Alternative medicineAnxiety

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,012
Tête enseignante GPT0,302
Écart entre enseignants0,291 · 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

Citations12
Publié2016
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueAmerican Journal of Geriatric PsychiatryMême sujetTreatment of Major DepressionTravaux en français237 207