MétaCan
Menu
Retour à la cohorte
Enregistrement W3003588057 · doi:10.12927/hcq.2020.26091

Making Informed CHOICES: The Launch of a “Big Data” Pragmatic Trial to Improve Cholesterol Management and Prevent Heart Disease in Ontario

2020· article· en· W3003588057 sur OpenAlexafffundvenueabout
Laura Legere, Anna Chu, Mohammed K. Rashid, Atul Sivaswamy, Tara O’Neill, Christine Marquez, Richelle Baddeliyanage, Sharon E. Straus, Jacob A. Udell

Notice bibliographique

RevueHealthcare Quarterly · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueLipoproteins and Cardiovascular Health
Établissements canadiensUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesInstitute of Circulatory and Respiratory HealthCanadian Institutes of Health ResearchSanofiOntario Ministry of Health and Long-Term CareAstraZenecaHeart and Stroke Foundation of CanadaAmgen
Mots-clésRandomized controlled trialMedicineDisease managementCluster (spacecraft)Cluster randomised controlled trialHigh cholesterolStatinCholesterolMedical emergencyDiseaseFamily medicineGerontologySurgeryInternal medicineComputer science

Résumé

récupéré en direct d'OpenAlex

Cholesterol-lowering statin medications are a safe and effective therapy to lower cholesterol and reduce the risk of cardiovascular events. Yet physician prescribing patterns and patient adherence remain suboptimal in Canada and the United States, often due to pervasive misconceptions. The Community Heart Outcomes Improvement and Cholesterol Education Study (CHOICES) is a pragmatic, registry-based, cluster randomized controlled trial that aims to improve cholesterol management through appropriate statin use in adults and to ultimately reduce cardiovascular events in high-risk communities across Ontario. The trial uses an innovative, multicomponent intervention and implementation approach that includes audit and feedback reports for family physicians and educational materials and tools for patients.

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)0,015
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,466
Score d'incertitude au seuil0,938

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,028
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,003
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,065
Tête enseignante GPT0,326
Écart entre enseignants0,261 · 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'étudeEssai non randomisé
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

Citations4
Publié2020
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueHealthcare QuarterlyMême sujetLipoproteins and Cardiovascular HealthTravaux en français237 207