MétaCan
Menu
Retour à la cohorte
Enregistrement W2591490325 · doi:10.1183/16000617.0086-2016

Personalising airway clearance in chronic lung disease

2017· review· en· W2591490325 sur OpenAlexaff
M. McIlwaine, Judy Bradley, J.S. Elborn, Fidelma Moran

Notice bibliographique

RevueEuropean Respiratory Review · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueCystic Fibrosis Research Advances
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineBronchiectasisAirwayIntensive care medicineCOPDPostural drainageVentilation (architecture)Mucociliary clearanceLungPhysical therapyAnesthesiaInternal medicine

Résumé

récupéré en direct d'OpenAlex

This review describes a framework for providing a personalised approach to selecting the most appropriate airway clearance technique (ACT) for each patient. It is based on a synthesis of the physiological evidence that supports the modulation of ventilation and expiratory airflow as a means of assisting airway clearance. Possession of a strong understanding of the physiological basis for ACTs will enable clinicians to decide which ACT best aligns with the individual patient's pathology in diseases with anatomical bronchiectasis and mucus hypersecretion.The physiological underpinning of postural drainage is that by placing a patient in various positions, gravity enhances mobilisation of secretions. Newer ACTs are based on two other physiological premises: the ability to ventilate behind obstructed regions of the lung and the capacity to achieve the minimum expiratory airflow bias necessary to mobilise secretions. After reviewing each ACT to determine if it utilises both ventilation and expiratory flow, these physiological concepts are assessed against the clinical evidence to provide a mechanism for the effectiveness of each ACT. This article provides the clinical rationale necessary to determine the most appropriate ACT for each patient, thereby improving care.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,177
Tête enseignante GPT0,460
Écart entre enseignants0,283 · 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

Citations115
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Respiratory ReviewMême sujetCystic Fibrosis Research AdvancesTravaux en français237 207