MétaCan
Menu
Retour à la cohorte
Enregistrement W2937546269 · doi:10.1097/tp.0000000000002749

Digital Wings: Innovations in Transplant Readiness for Adolescent and Young Adult Transplant Recipients

2019· article· en· W2937546269 sur OpenAlexaff
Douglas Mogul, Emily M. Fredericks, Tammy M. Brady, Tamir Miloh, Kristin A. Riekert, Natalie Williams, Ryan Ford, Michael Fergusson, Beverly Kosmach‐Park, Jon Hochstein, Gayathri Naraparaju, Macey L. Henderson, Dorry L. Segev, John F. P. Bridges

Notice bibliographique

RevueTransplantation · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAdolescent and Pediatric Healthcare
Établissements canadiensAyogo (Canada)
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesAgency for Healthcare Research and Quality
Mots-clésMedicineTransplantationHealth carePopulationGerontologySurgeryEnvironmental healthPolitical science

Résumé

récupéré en direct d'OpenAlex

The Johns Hopkins University School of Medicine organized 2 multistakeholder symposia on February 2, 2018 and January 11, 2019 to address the problem of high graft failure in adolescent and young adult (AYA) solid organ transplant (SOT) recipients. Participants included international experts in transplantation, behavioral psychology, patient/parent advocacy, and technology. The objectives of the symposia were as follows: (1) to identify and discuss the barriers to and facilitators of effective transfer of care for AYA SOT recipients; (2) to actively explore strategies and digital solutions to promote their successful transfer of care; and (3) to develop meaningful partnerships for the successful development, evaluation, implementation, and dissemination of these digital solutions. Additionally, data were collected from 152 AYA SOT recipients demonstrating a substantial gap in how this population uses technologies for health-related activities, alongside an increased interest in an app to help them manage their transplant.

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 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)0,004
score de la tête « metaresearch » (Gemma)0,013
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,357
Écart entre enseignants0,321 · 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
GenreEmpirique

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

En bref

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransplantationMême sujetAdolescent and Pediatric HealthcareTravaux en français237 207