Creating biobanks in low and middle-income countries to improve knowledge – The PREPARE initiative
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The Millennium Development Goal 5, a project signed in 2000, intended to improve maternal health and reduce maternal mortality by 75% by 2015. Despite all efforts, little progress has been achieved in low and middle-income countries (LMIC) and 99% of all maternal deaths related to pre-eclampsia (PE) still occur in these settings. It is important to determine whether women in LMIC, where PE carries a greater risk than in high-income countries (HIC), have unique risk factors. Some variances may alter the risk, severity and pertinent pathophysiology of PE. We posit based upon this, that women from LMIC may have biomarkers specific to this population. Discovering such specific biomarkers and testing the relevance of biomarkers developed in high-income populations could increase the clinical usefulness of these analyses without increasing cost-effective approaches for prediction of PE. Here we briefly describe our platform to develop the PREPARE - Biobank in tertiary hospitals or basic units for antenatal care from 6 different cities in Brazil. The PREPARE - Biobank has been developed with two arms. The first arm is a cross-sectional study that will collect clinical information and biosamples from more than 1000 women who developed preterm PE. The second arm is a cohort study of 7000 women. It will collect clinical information and longitudinal biosamples from women at three times during pregnancy, <16 weeks, between 28 and 32 weeks and at delivery or diagnosis of adverse outcomes. The biobank will be supported and complemented by a Brazilian database using the CoLab COLLECT Database.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle