Notice bibliographique
Résumé
PURPOSE OF REVIEW: Tracking patient outcomes using cystic fibrosis (CF) national data registries, we have seen a dramatic improvement in patient survival. As there are multiple ways to measure survival, it is important for readers to understand these different metrics in order to clearly translate this information to patients and their families. The aims of this review were to describe measures of survival and to review the recent literature pertaining to survival in CF to capture the changing epidemiology. RECENT FINDINGS: Although survival has improved on a population level, several individual factors continue to impact survival such as sex, age of diagnosis, ethnic background and lung function. Survival estimates, conditional on surviving to a specified age, are more relevant to individuals living with CF today and are higher than the reported overall median age of survival. There is some evidence to suggest that newborn screening (NBS) has resulted in prolonged survival in CF. SUMMARY: Prognosis in CF is often described by reporting the median age of survival, the median age of death, the median survival conditional on living to a certain age and the survival by birth cohort. Each of these metrics provide useful information depending on an individual's personal disease trajectory. The median age of survival continues to increase in CF in many countries while mortality rates are decreasing. Several factors have been associated with worse survival such as female sex, ethnicity, worse nutritional status, lower lung function and microbiology. When comparing survival between countries, one needs to ensure that similar data collection and processing techniques are used to ensure valid and robust comparisons.
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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 tête enseignante, 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 ».