MétaCan
Menu
Retour à la cohorte
Enregistrement W2588639269 · doi:10.1097/mnh.0000000000000321

Hard choices, better outcomes

2017· review· en· W2588639269 sur OpenAlexafffund
Janet L. Davis, Sara N. Davison

Notice bibliographique

RevueCurrent Opinion in Nephrology & Hypertension · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensUniversity of AlbertaUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésDialysisNephrologyDecision aidsComputer scienceMedicinePopulationClinical decision makingKidney diseaseEnd stage renal diseaseIntensive care medicineInternal medicineDiseaseAlternative medicinePathology

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Patients reaching end-stage kidney disease face difficult decisions, including choosing among renal replacement therapies (RRTs). With an increasingly elderly and frail population, there is growing interest in conservative kidney management (CKM) as a viable alternative to dialysis. Shared decision-making (SDM) is a patient-centered approach to these decisions, in which choices are viewed within the explicitly discussed values and preferences of the patient. Patient decision aids (PDAs) are tools designed to facilitate these discussions. The choice between dialysis and CKM is particularly complex, given the poor prognostication data for CKM. This is an emerging area for PDAs in nephrology. This review highlights care gaps around SDM for dialysis versus CKM, presents current PDAs for making choices about RRTs and CKM and discusses exciting new work around the development of novel PDAs. RECENT FINDINGS: Many PDAs have been created recently, primarily to help with decisions about RRTs. Three new PDAs are in testing phases to aid with the more complex decision of choosing between dialysis and CKM. SUMMARY: International nephrology communities are moving toward improved SDM with their patients and PDAs are being developed to facilitate this process.

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)0,003
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0220,003

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.

Tête enseignante Opus0,222
Tête enseignante GPT0,421
Écart entre enseignants0,198 · 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'étudeSans objet
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

Citations75
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Nephrology & HypertensionMême sujetDialysis and Renal Disease ManagementTravaux en français237 207