MétaCan
Menu
Retour à la cohorte
Enregistrement W3009157520 · doi:10.1016/j.chest.2019.10.051

International Severe Asthma Registry

2019· review· en· W3009157520 sur OpenAlexaff
Giorgio Walter Canonica, Marianna Alacqua, Alan Altraja, Vibeke Backer, Elisabeth H. Bel, Leif Bjermer, Unnur Steina Björnsdóttir, Arnaud Bourdin, Guy Brusselle, George Christoff, Borja G. Cosío, Richard W. Costello, J. Mark FitzGerald, Peter G. Gibson, Liam G. Heaney, Enrico Heffler, Mark Hew, Takashi Iwanaga, Rupert Jones, Chin Kook Rhee, Sverre Lehmann, Lauri Lehtimäki, Dóra Lúðvíksdóttir, Anke H. Maitland‐van der Zee, Andrew Menzies‐Gow, Nikolaos G. Papadopoulos, Vicente Plaza, Luis Pérez de Llano, Matthew Peters, Celeste Porsbjerg, Mohsen Sadatsafavi, You Sook Cho, Yuji Tohda, Trung N. Tran, Eileen Wang, James Zangrilli, Lakmini Bulathsinhala, Victoria Carter, Isha Chaudhry, Neva Eleangovan, Naeimeh Hosseini, Thao Le, Ruth Murray, Chris Price, David Price

Notice bibliographique

RevueCHEST Journal · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueAsthma and respiratory diseases
Établissements canadiensUniversity of British Columbia Hospital
Organismes subventionnairesUCB PharmaNational Institute of Allergy and Infectious DiseasesEfficacy and Mechanism Evaluation ProgrammeSanofi GenzymeGenentechHumanitas UniversityAmsterdam University Medical CentersAstraZenecaAllergy TherapeuticsTartu ÜlikoolAstellas PharmaMylanRegeneron PharmaceuticalsShireRespiratory Effectiveness GroupChiesi FarmaceuticiNovartis Pharmaceuticals UK LimitedAKL Research and DevelopmentCSL BehringDanoneTeijin PharmaDaiichi-SankyoUnited Therapeutics CorporationMedical Research CouncilTeva Pharmaceutical IndustriesHandokSanofiAmgenMeiji Seika PharmaPfizerGlaxoSmithKline
Mots-clésAsthmaMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Regional and/or national severe asthma registries provide valuable country-specific information. However, they are often limited in scope within the broader definitions of severe asthma, have insufficient statistical power to answer many research questions, lack intraoperability to share lessons learned, and have fundamental differences in data collected, making cross comparisons difficult. What is missing is a worldwide registry which brings all severe asthma data together in a cohesive way, under a single umbrella, based on standardized data collection protocols, permitting data to be shared seamlessly. The International Severe Asthma Registry (ISAR; http://isaregistries.org/) is the first global adult severe asthma registry. It is a joint initiative where national registries (both newly created and preexisting) retain ownership of their own data but open their borders and share data with ISAR for ethically approved research purposes. Its strength comes from collection of patient-level, anonymous, longitudinal, real-life, standardized, high-quality data (using a core set of variables) from countries across the world, combined with organizational structure, database experience, inclusivity/openness, and clinical, academic, and database expertise. This gives ISAR sufficient statistical power to answer important research questions, sufficient data standardization to compare across countries and regions, and the structure and expertise necessary to ensure its continuance and the scientific integrity and clinical applicability of its research. ISAR offers a unique opportunity to implement existing knowledge, generate new knowledge, and identify the unknown, therefore promoting new research. The aim of this commentary is to fully describe how ISAR may improve our understanding of severe asthma.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0120,012
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0180,005

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 Opus0,058
Tête enseignante GPT0,359
Écart entre enseignants0,301 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations52
Publié2019
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueCHEST JournalMême sujetAsthma and respiratory diseasesTravaux en français237 207