The Accuracy in Measurement of Blood Pressure (AIM‐BP) collaborative: Background and rationale
Notice bibliographique
Résumé
Blood pressure (BP) measurement, a technique first described over \na century ago, is an essential component of clinical care and critical \nfor the detection and management of hypertension.1 \n Accordingly, \nthe ramifications of inaccurate BP measurement, which is a per‐ \nsistent and pervasive problem worldwide, are profound.2 \n Assuming \na global prevalence of hypertension of 1.4 billion,3 \n a 5‐mmHg error \nin BP measurement has been estimated to result in the incorrect \nclassification of hypertension status in at least 84 million individ‐ \nuals worldwide.4 \n In addition, incorrect classification has important \nramifications for individual patients, whether it leads to misdiagno‐ \nsis and inappropriate prescribing of antihypertensive drugs, or to \nlack of recognition of an clinical condition that can cause devastat‐ \ning cardiovascular consequences. The continued rise in the global \nprevalence of hypertension has made work related to optimizing BP \nmeasurement even more critical, and notwithstanding similar initia‐ \ntives that have been conducted or are ongoing, additional efforts \nto improve BP measurement on a global scale are clearly needed.5
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 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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».