Guidance to 2018 good practice: ARIA digitally-enabled, integrated, person-centred care for rhinitis and asthma
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,025 | 0,104 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,007 | 0,010 |
| Intégrité de la recherche | 0,038 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,137 | 0,122 |
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 source (Gemma direct ou Codex distillé), 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 ».