MétaCan
Menu
Retour à la cohorte
Enregistrement W2895811679 · doi:10.1016/j.kint.2018.08.009

Grams ME, Sang Y, Ballew SH, et al, for the Chronic Kidney Disease Prognosis Consortium. Predicting timing of clinical outcomes in patients with chronic kidney disease and severely decreased glomerular filtration rate. Kidney Int. 2018;93:1442–1451

2018· erratum· en· W2895811679 sur OpenAlexfundno aff
Brad C. Astor, Adeera Levin, Mila Tang, Ognjenka Djurdjev, Sankar D. Navaneethan, Stacey E. Jolly, Jesse D. Schold, Joseph V. Nally, Jonathan Emberson, John Townend, Martin Landray, Harold I. Feldman, Chi‐yuan Hsu, James Lash, Philip A. Kalra, James Ritchie, Maharajan Raman, Rachel Middleton, Donal O’Donoghue, Kai‐Uwe Eckardt, Markus P. Schneider, Anna Köttgen, Florian Kronenberg, Barbara Bärthlein, Jamie Green, H. Lester Kirchner, Kevin Ki‐Wai Ho, Angharad Marks, Corri Black, Gordon Prescott, Nick Fluck, Masaaki Nakayama, Mariko Miyazaki, Tae Yamamoto, Gen Yamada, Angela Yee‐Moon Wang, Sharon Cheung, Sharon Wong, Jessie Chu, Henry H. L. Wu, Amit Garg, Eric McArthur, Danielle M. Nash, Varda Shalev, Gabriel Chodick, Peter J. Blankestijn, Jack F.M. Wetzels, Arjan van Zuilen, Jan A.J.G. van den Brand, Lesley Inker, Mark J. Sarnak, Hocine Tighiouart, Haitao Zhang, Bénédicte Stengel, Marie Metzger, Martin Flamant, Pascal Houillier, Jean‐Philippe Haymann, Pablo Ríos, Nelson Mazzuchi, Liliana Gadola, Verónica Lamadrid, Laura Solá, John Collins, C. Raina Elley, Timothy Kenealy, Olivier Moranne, Cécile Couchoud, Cécile Vigneau, Nigel J. Brunskill, Rupert Major, David Shepherd, James Medcalf, Csaba P. Kövesdy, Kamyar Kalantar‐Zadeh, Miklos Z. Molnar, Keiichi Sumida, Praveen K. Potukuchi, Hiddo J.L. Heerspink, Dick de Zeeuw, Barry E. Brenner, Juan Jesús Carrero, Alessandro Gasparini, Abdul Rashid Qureshi, Carl‐Gustaf Elinder, Frank L.J. Visseren, Yolanda van der Graaf, Marie Evans, Maria Stendahl, Staffan Schön, Mårten Segelmark, Karl‐Göran Prütz, David Naimark, Navdeep Tangri, Patrick B. Mark, Jamie P. Traynor, Colin Geddes, Peter Thomson, Ron T. Gansevoort, Morgan E. Grams, Kunihiro Matsushita, Mark Woodward, Luxia Zhang, Shoshana H. Ballew, Jingsha Chen, Lucia Kwak, Yingying Sang, Aditya Surapaneni, Brenda R. Hemmelgarn, Wolfgang C. Winkelmayer­, John M. Davis, Danielle Green, Michael Cheung, Tanya Green, Melissa Mcmahan

Notice bibliographique

RevueKidney International · 2018
Typeerratum
Langueen
DomaineMedicine
ThématiqueHealthcare Systems and Public Health
Établissements canadiensnon disponible
Organismes subventionnairesKidney Research UKNational Institute of Diabetes and Digestive and Kidney DiseasesInstitute for Clinical Evaluative SciencesCleveland Clinic
Mots-clésMedicineKidney diseaseDialysisRenal functionRenal replacement therapyCohortInternal medicineGerontology

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,007
score de la tête « metaresearch » (Gemma)0,108
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: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,108

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,108
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0060,006
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0030,001
Intégrité de la recherche0,0040,008
Charge utile insuffisante (le modèle a refusé de juger)0,0320,019

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 Opus0,038
Tête enseignante GPT0,360
Écart entre enseignants0,322 · 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
GenreAutre

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

En bref

Citations9
Publié2018
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueKidney InternationalMême sujetHealthcare Systems and Public HealthTravaux en français237 207