MétaCan
Menu
← Retour à la cohorte
Enregistrement W2762448257 · doi:10.1093/eurheartj/ehx493.p6313

P6313Education is the main predictor for successful employment in adults with congenital heart disease worldwide

2017· article· en· W2762448257 sur OpenAlexaff
Maayke A. Sluman, Silke Apers, JK Sluiter, Philip Moons, Koen Luyckx, Adrienne H. Kovacs, Berto J. Bouma, Barbara J.M. Mulder

Notice bibliographique

RevueEuropean Heart Journal · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueCongenital Heart Disease Studies
Établissements canadiensUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineHeart diseaseDiseaseCardiologyInternal medicineIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Background: Conflicting results have been reported regarding unemployment rates and associated factors in adults with congenital heart disease (CHD). We, therefore, assessed employment status, work ability and self-reported limitations at work in an international cohort of adults with CHD. Methods: Data from 4,028 adults with CHD (53% women) from 15 countries were collected by a uniform survey including the work ability score in the cross-sectional APPROACH International Study. Predictors for employment and limitations at work were studied with the use of general linear mixed models. Results: Median age was 32 years (25–42) and 94% of patients had at least a high school degree. Overall employment rate was 69%, but varied substantially among countries. Higher education (OR 1.99–3.69) and having a partner (OR 1.72) were associated with more employment; female sex (OR 0.66, worse NYHA functional class (OR 0.67–0.13) and a history of congestive heart failure (OR 0.74) were associated with less employment. Limitations at work were reported in 34% and associated with female sex (OR 1.36), increasing age (OR 1.03), more severe CHD (OR 1.31–2.10) and a history of congestive heart failure (OR 1.57) or mental disorders (OR 2.26). Only a university degree was associated with fewer limitations at work (OR 0.62). The impact of these risk factors varied between countries.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,029
Tête enseignante GPT0,312
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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Heart Journal→Même sujetCongenital Heart Disease Studies→Travaux en français237 207→