MétaCan
Menu
Retour à la cohorte
Enregistrement W2793898214 · doi:10.1002/alr.22073

International Consensus Statement on Allergy and Rhinology: Allergic Rhinitis

2018· article· en· W2793898214 sur OpenAlexaff
Sarah K. Wise, Sandra Y. Lin, Elina Toskala, Richard R. Orlandi, Cezmi A. Akdiş, Jeremiah A. Alt, Antoine Azar, Fuad M. Baroody, Claus Bachert, Giorgio Walter Canonica, Cemal Cingi, Giorgio Ciprandi, Jacquelynne P. Corey, Linda Cox, Peter S. Creticos, Adnan Čustović, Cecelia Damask, Adam S. DeConde, John M. DelGaudio, Charles S. Ebert, Jean Anderson Eloy, Carrie E. Flanagan, Wytske J. Fokkens, Christine B. Franzese, Jan Gosepath, Ashleigh A. Halderman, Robert G. Hamilton, Hans Jürgen Hoffman, Jens M. Hohlfeld, Steven M. Houser, Peter H. Hwang, Cristoforo Incorvaia, Deborah Jarvis, Ayesha N. Khalid, Maritta Kilpeläinen, Todd T. Kingdom, Helene J. Krouse, Désirée Larenas‐Linnemann, Adrienne M. Laury, Stella E. Lee, Joshua M. Levy, Amber Luong, Bradley F. Marple, Edward D. McCoul, Kevin C. McMains, Erik Melén, James W. Mims, Gianna Moscato, Joaquim Mullol, Harold S. Nelson, Monica Patadia, Ruby Pawankar, Oliver Pfaar, Michael P. Platt, William R. Reisacher, Carmen Rondón, Luke Rudmik, Matthew W. Ryan, J. Sastre, Rodney J. Schlosser, Russell A. Settipane, Hemant Sharma, Aziz Sheikh, Timothy L. Smith, Pongsakorn Tantilipikorn, Jody Tversky, Maria C. Veling, De Yun Wang, Marit Westman, Magnus Wickman, Mark A. Zacharek

Notice bibliographique

RevueInternational Forum of Allergy & Rhinology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueAllergic Rhinitis and Sensitization
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Center for Advancing Translational SciencesAmerican Academy of Otolaryngic Allergy Foundation
Mots-clésRhinologyMedicineStatement (logic)AllergyDermatologyImmunologyOtorhinolaryngologySurgeryLaw

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Critical examination of the quality and validity of available allergic rhinitis (AR) literature is necessary to improve understanding and to appropriately translate this knowledge to clinical care of the AR patient. To evaluate the existing AR literature, international multidisciplinary experts with an interest in AR have produced the International Consensus statement on Allergy and Rhinology: Allergic Rhinitis (ICAR:AR). METHODS: Using previously described methodology, specific topics were developed relating to AR. Each topic was assigned a literature review, evidence-based review (EBR), or evidence-based review with recommendations (EBRR) format as dictated by available evidence and purpose within the ICAR:AR document. Following iterative reviews of each topic, the ICAR:AR document was synthesized and reviewed by all authors for consensus. RESULTS: The ICAR:AR document addresses over 100 individual topics related to AR, including diagnosis, pathophysiology, epidemiology, disease burden, risk factors for the development of AR, allergy testing modalities, treatment, and other conditions/comorbidities associated with AR. CONCLUSION: This critical review of the AR literature has identified several strengths; providers can be confident that treatment decisions are supported by rigorous studies. However, there are also substantial gaps in the AR literature. These knowledge gaps should be viewed as opportunities for improvement, as often the things that we teach and the medicine that we practice are not based on the best quality evidence. This document aims to highlight the strengths and weaknesses of the AR literature to identify areas for future AR research and improved understanding.

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)0,118
score de la tête « metaresearch » (Gemma)0,169
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: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,118
Score d'incertitude au seuil0,626

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1180,169
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0050,006
Bibliométrie0,0120,007
Études des sciences et des technologies0,0030,005
Communication savante0,0080,005
Science ouverte0,0100,010
Intégrité de la recherche0,0130,019
Charge utile insuffisante (le modèle a refusé de juger)0,0080,012

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 Opus0,021
Tête enseignante GPT0,289
Écart entre enseignants0,268 · 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
GenreMéthodes

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

En bref

Citations549
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Forum of Allergy & RhinologyMême sujetAllergic Rhinitis and SensitizationTravaux en français237 207