Notice bibliographique
Résumé
Chronic obstructive pulmonary disease (COPD) is a common disease leading to further morbidity and significant mortality. The first step for any condition is to make the appropriate diagnosis, and spirometry barriers abound in practice around the world. It is tempting to undertake mass screening on all smokers to detect COPD. While this would pick up cases of COPD, results of studies of its effect on COPD end-points such as exacerbations, hospitalisations and mortality are disappointing. As such, aggressive case finding of COPD by screening for symptoms that patients may not themselves perceive is very important in primary care, with subsequent spirometry defining the diagnosis.We also have to separate out population screening from individual patient interactions. Performing spirometry, even on a truly asymptomatic patient, may allow earlier diagnosis and modification of risk factors such as smoking (mostly) and exacerbation risk. It also recognises patients with early disease who are at high risk of comorbidities such as cardiac illness, such that appropriate treatment strategies can be implemented. Making a diagnosis, and even the fact of worrying about such a diagnosis, can affect the motivational level of the individual patient to cease smoking; all patients should of course be counselled to stop smoking. As such, consider the individual patient in front of you for unrecognised symptoms and therefore unrecognised illness, as making a diagnosis earlier can allow the institution of care, including smoking cessation, vaccination, bronchodilators and comorbidity management.
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 | 0,110 | 0,282 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,004 |
| Bibliométrie | 0,012 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,010 |
| Communication savante | 0,016 | 0,029 |
| Science ouverte | 0,008 | 0,010 |
| Intégrité de la recherche | 0,010 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».