MétaCan
Menu
Retour à la cohorte
Enregistrement W2528306182 · doi:10.1016/j.bbmt.2016.09.025

National Institutes of Health Blood and Marrow Transplant Late Effects Initiative: The Healthcare Delivery Working Group Report

2016· review· en· W2528306182 sur OpenAlexaff
Shahrukh K. Hashmi, Christopher Bredeson, Rafael F. Duarte, Stephanie Farnia, Susan Ferrey, Courtney D. Fitzhugh, Mary E.D. Flowers, James Gajewski, Dennis A. Gastineau, Melissa A. Greenwald, Madan Jagasia, Patricia Martín, J. Douglas Rizzo, Kimberly Schmit-Pokorny, Navneet S. Majhail

Notice bibliographique

RevueBiology of Blood and Marrow Transplantation · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueAcute Lymphoblastic Leukemia research
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesNational Cancer InstituteNational Heart, Lung, and Blood InstituteNational Institutes of Health
Mots-clésMedicineHealth careHealthcare deliveryHematopoietic cellInclusion (mineral)PaymentTransplantationFamily medicineStem cellHaematopoiesisSurgery

Résumé

récupéré en direct d'OpenAlex

Hematopoietic cell transplantation (HCT) survivors are at risk for development of late complications and require lifelong monitoring for screening and prevention of late effects. There is an increasing appreciation of the issues related to healthcare delivery and coverage faced by HCT survivors. The 2016 National Institutes of Health Blood and Marrow Transplant Late Effects Initiative included an international and broadly representative Healthcare Delivery Working Group that was tasked with identifying research gaps pertaining to healthcare delivery and to identify initiatives that may yield a better understanding of the long-term value and costs of care for HCT survivors. There is a paucity of literature in this area. Critical areas in need of research include pilot studies of novel and information technology supported models of care delivery and coverage for HCT survivors along with development and validation of instruments that capture patient-reported outcomes. Investment in infrastructure to support this research, such as linkage of databases including electronic health records and routine inclusion of endpoints that will inform analyses focused around care delivery and coverage, is required.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,801
Score d'incertitude au seuil0,849

Scores Codex et Gemma par catégorie

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

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 Opus0,044
Tête enseignante GPT0,335
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations46
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiology of Blood and Marrow TransplantationMême sujetAcute Lymphoblastic Leukemia researchTravaux en français237 207