MétaCan
Menu
Retour à la cohorte
Enregistrement W2985293307

Comparative effectiveness of natalizumab and fingolimod in different subgroups of patients with relapsing-remitting multiple sclerosis

2019· article· en· W2985293307 sur OpenAlexaboutno aff
Sifat Sharmin, Mathilde Lefort, Jens Rikardt Andersen, Dana Horáková, Eva Havrdová, Raed Alroughani, Guillermo Izquierdo, Sara Eichau, Serkan Özakbaş, Helmut Butzkueven, Francesco Patti, Marco Onofrj, Alessandra Lugaresi, Murat Terzi, Pierre Grammond, F. Grand’Maison, Bassem Yamout, Alexandre Prat, Marc Girard, Pierre Duquette, Cavit Boz, María Trojano, Pamela McCombe, Mark Slee, Jeannette Lechner‐Scott, Recai Türkoğlu, Patrizia Sola, Diana Ferraro, Franco Granella, Vahid Shaygannejad, Julie Prévost, Olga Skibina, Claudio Solaro, Rana Karabudak, B. Van Wijmeersch, Tünde Csépány, Daniele Spitaleri, Steve Vucic, Emmanuelle Leray, Per Soelberg Sørensen, Finn Sellebjerg, Melinda Magyari, Sandra Vukusic, Tomáš Kalinčík

Notice bibliographique

RevueDocument Server@UHasselt (UHasselt) · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFingolimodMultiple sclerosisNatalizumabRelapsing remittingMedicineImmunology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Pierre Duquette served on editorial boards and has been supported to attend meetings by EMD, Biogen, Novartis, Genzyme, and TEVA Neuroscience. He holds grants from the CIHR and the MS Society of Canada and has received funding for investigator-initiated trials from Biogen, Novartis, and Genzyme.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,280
Écart entre enseignants0,252 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDocument Server@UHasselt (UHasselt)Même sujetMultiple Sclerosis Research StudiesTravaux en français237 207