Guidance to 2018 good practice: ARIA digitally-enabled, integrated, person-centred care for rhinitis and asthma
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
AIMS: Mobile Airways Sentinel NetworK (MASK) belongs to the Fondation Partenariale MACVIA-LR of Montpellier, France and aims to provide an active and healthy life to rhinitis sufferers and to those with asthma multimorbidity across the life cycle, whatever their gender or socio-economic status, in order to reduce health and social inequities incurred by the disease and to improve the digital transformation of health and care. The ultimate goal is to change the management strategy in chronic diseases. METHODS: MASK implements ICT technologies for individualized and predictive medicine to develop novel care pathways by a multi-disciplinary group centred around the patients. STAKEHOLDERS: Include patients, health care professionals (pharmacists and physicians), authorities, patient's associations, private and public sectors. RESULTS: MASK is deployed in 23 countries and 17 languages. 26,000 users have registered. EU GRANTS 2018: MASK is participating in EU projects (POLLAR: impact of air POLLution in Asthma and Rhinitis, EIT Health, DigitalHealthEurope, Euriphi and Vigour). LESSONS LEARNT: (i) Adherence to treatment is the major problem of allergic disease, (ii) Self-management strategies should be considerably expanded (behavioural), (iii) Change management is essential in allergic diseases, (iv) Education strategies should be reconsidered using a patient-centred approach and (v) Lessons learnt for allergic diseases can be expanded to chronic diseases.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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