MétaCan
Menu
Retour à la cohorte
Enregistrement W3009366485 · doi:10.1111/all.14256

The evolving algorithm of biological selection in severe asthma

2020· review· en· W3009366485 sur OpenAlexaff
Nikolaos G. Papadopoulos, Peter J. Barnes, Giorgio Walter Canonica, Mina Gaga, Liam G. Heaney, Andrew Menzies‐Gow, Vicky Kritikos, Mark Fitzgerald

Notice bibliographique

RevueAllergy · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueAsthma and respiratory diseases
Établissements canadiensVancouver General Hospital
Organismes subventionnairesRespiratory Effectiveness Group
Mots-clésAsthmaSelection (genetic algorithm)MedicineIntensive care medicineComputer scienceImmunologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

New therapeutic options for severe asthma have recently emerged, mostly in the form of monoclonal antibodies ("biologicals") targeting relevant inflammatory pathways. Currently available agents target different aspects of "Type 2" immunity, and their indications often include overlapping patient groups. We present a round-table discussion that took place during the Annual Meeting of the Respiratory Effectiveness Group (REG), on the reasoning behind the use of different add-on medications for severe asthma, and crucially, on selection strategies. The proposed rational is based on current evidence, including real-life studies, as well as on the appreciation of the relevant complexities. Direct head-to-head comparisons of biologicals are lacking; therefore, algorithms for initial choice and potential switch between agents should be based on understanding the key characteristics of different options and the development of a clear plan with predefined targets and shared decision-making, in a structured way.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,427

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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 Opus0,034
Tête enseignante GPT0,314
Écart entre enseignants0,280 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations39
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAllergyMême sujetAsthma and respiratory diseasesTravaux en français237 207