Toward understanding patient experience in idiopathic pulmonary fibrosis
Notice bibliographique
Résumé
Idiopathic pulmonary fibrosis (IPF) is a progressive fibrotic lung disease which typically presents in the 6th or 7th decade of life with dyspnoea on exertion, cough and fatigue [1]. Based on a recent systematic review [2], global IPF incidence is 3–9 cases per 100 000 per year in Europe and North America with increasing incidence over time. A similar incidence, 9 cases per 100 000, was reported in Canada using a narrow definition of IPF [3]. The age-adjusted mortality rate for IPF ranges from 2 to 10 per 100 000, resulting in an estimated 30 000–60 000 deaths in Europe in 2014 [4]. Despite the large number of individuals impacted by this nominally rare disease, there has been only one intervention proven to increase life expectancy in IPF and that is lung transplantation [5]. The small number of lung transplants available, and the common comorbidities of aging which accompany IPF, make this an inadequate intervention for the majority of patients. Unfortunately, over the past 40 years, multiple clinical trials in IPF have failed to achieve pre-specified primary outcomes. Validation of patient-reported outcomes in IPF is essential in incorporating patient voice in IPF clinical trials
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 | 0,007 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,005 | 0,013 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,013 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 ».