Notice bibliographique
Résumé
People undergoing dialysis have a substantially shortened survival and a high rate of cardiovascular events. Recent clinical trials have failed to demonstrate a survival benefit of reducing traditional or dialysis-specific cardiovascular risk factors. The reasons for the failure of these clinical trials are unclear. One candidate explanation is that they lacked sufficient statistical power to detect important outcome differences. Several errors in trial design or execution can lead to trials being underpowered. An overestimation of the attributable risk of the condition of interest is a common error. Statistical models that partition attributable risk can be invalid when multiple risk factors are present, as is the case in dialysis patients. Diabetes investigators faced similar challenges in their early clinical trials. However, using only 160 people with diabetes, the Steno-2 Study demonstrated a 50% reduction in cardiovascular risk in people. This impressive result was achieved because patients in the experimental arm of the Steno-2 Study underwent reduction of multiple cardiovascular risk factors simultaneously. A Steno-2 Study approach would be an attractive trial design for dialysis investigators. It could be done with fewer resources than conventional randomized trials, and a positive result would strongly argue against therapeutic complacency in the dialysis unit. However, a variety of limitations to this approach exist. Most significantly, if positive, it would not be possible to determine which individual components of the intervention led to the improved outcomes. Despite the limitations, the Steno-2 design should currently be an attractive option for dialysis investigators.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,258 | 0,315 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,008 | 0,014 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,013 | 0,025 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,004 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».