MétaCan
Menu
Retour à la cohorte
Enregistrement W2765748031 · doi:10.1093/pch/pxx146

Early life environment and social determinants of cardiac health in children with congenital heart disease

2017· review· en· W2765748031 sur OpenAlexaff
Peter Wong, Avram Denburg, Malini Dave, Leo Levin, Julia Morinis, Shazeen Suleman, Jonathan P. Wong, Elizabeth Ford-Jones, Aideen M. Moore

Notice bibliographique

RevuePaediatrics & Child Health · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueCongenital Heart Disease Studies
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHeart diseaseDiseaseMedicineContext (archaeology)Social determinants of healthEpidemiologySocial environmentEtiologyPediatricsGerontologyPublic healthPsychiatryInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

Congenital heart disease is a significant cause of infant mortality. Epidemiology and social context play a crucial role in conditioning disease burden and modulating outcomes, while diagnosis and treatment remain resource intensive. This review will address the role of social demographics, environmental exposure, epigenetics and nutrition in the aetiology of congenital heart disease. We then discuss the determinant effect of social factors on the provision and outcomes of care for congenital heart disease and implications for practice. It is our hope that enhanced knowledge of the intersection of social determinants of health and congenital heart disease will facilitate effective preventative strategies at the individual and population levels to optimize heart health outcomes across the life course.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,613
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,034
Tête enseignante GPT0,334
Écart entre enseignants0,300 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations47
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child HealthMême sujetCongenital Heart Disease StudiesTravaux en français237 207