← Retour à la cohorte
Clinical impact of COVID-19 on patients with cancer (CCC19): a cohort study
Nicole M. Kuderer, Toni K. Choueiri, Dimpy P. Shah, Yu Shyr, Samuel M. Rubinstein, Donna R. Rivera, Sanjay Shete, Chih–Yuan Hsu, Aakash Desai, Gilberto Lopes, Petros Grivas, Corrie Painter, Solange Peters, Ziad Bakouny, Gerald Batist, Tanios Bekaii‐Saab, Mehmet Asım Bilen, Nathaniel Bouganim, Mateo Bover Larroya, Daniel Castellano, Salvatore A. Del Prete, Deborah B. Doroshow, Pamela Egan, Arielle Elkrief, Dimitrios Farmakiotis, Daniel Flora, Matthew D. Galsky, Michael Glover, Elizabeth A. Griffiths, Anthony P. Gulati, Shilpa Gupta, Navid Hafez, Þorvarður R. Hálfdánarson, Jessica E. Hawley, Emily Hsu, Anup Kasi, Ali Raza Khaki, Christopher A. Lemmon, Colleen Lewis, Barbara Logan, Tyler Masters, Rana R. McKay, Ruben A. Mesa, Alicia K. Morgans, Mary F. Mulcahy, Orestis A. Panagiotou, Prakash Peddi, Nathan A. Pennell, Kerry L. Reynolds, L Rosen, Rachel Rosovsky, Mary Salazar, Andrew Schmidt, Sumit Shah, Justin Shaya, John A. Steinharter, Keith Stockerl‐Goldstein, Suki Subbiah, Donald C. Vinh, Firas Wehbe, Lisa B. Weissmann, Julie Wu, Elizabeth Wulff‐Burchfield, Zhuoer Xie, Albert C. Yeh, Peter Paul Yu, Alice Y. Zhou, Leyre Zubiri, Sanjay Mishra, Gary H. Lyman, Brian I. Rini, Jeremy L. Warner, Maheen Z. Abidi, Jared D. Acoba, Neeraj Agarwal, Syed A. Ahmad, Archana Ajmera, Jessica K. Altman, Anne H. Angevine, Nilo Azad, Michael Bär, Aditya Bardia, Jill S. Barnholtz‐Sloan, Briana Barrow, Babar Bashir, Rimma Belenkaya, Stephanie Berg, Eric Bernicker, Christine M. Bestvina, Rohit Bishnoi, Genevieve M. Boland, Mark Bonnen, Gabrielle Bouchard, Daniel W. Bowles, Fiona Busser, Angelo Cabal, Paolo F. Caimi, Theresa M. Carducci, Carla Casulo, James L. Chen, Jessica Clément, David D. Chism, Erin Cook, Catherine Curran, Ahmad Daher, Mark Dailey, Saurabh Dahiya, John F. Deeken, George D. Demetri, Sandy DiLullo, Narjust Duma, Rawad Elias, Bryan A. Faller, Leslie A. Fecher, Lawrence Feldman, Christopher R. Friese, Paul Fu, Julie Fu, Andy Futreal, Justin F. Gainor, Jorge Garcia, David Gill, Erin A. Gillaspie, Antonio Giordano, Grace Glace, Axel Grothey, Shuchi Gulati, Michael Gurley, Balázs Halmos, Roy S. Herbst, Dawn L. Hershman, Kent Hoskins, Rohit Jain, Salma K. Jabbour, Alokkumar Jha, Douglas B. Johnson, Monika Joshi, Kaitlin M. Kelleher, Jordan Kharofa, Hina Khan, Jeanna Knoble, Vadim S. Koshkin, Amit Kulkarni, Philip E. Lammers, John Leighton, Mark A. Lewis, Xuanyi Li, Ang Li, K. M. Steve Lo, Arturo Loaiza‐Bonilla, Patricia LoRusso, Clarke A. Low, Maryam B. Lustberg, Daruka Mahadevan, Abdul-Hai Mansoor, Michelle Marcum, Merry Jennifer Markham, Catherine H. Marshall, Sandeep H. Mashru, Sara Matar, Christopher McNair, Shannon K. McWeeney, Janice M. Mehnert, Alvaro G. Menendez, Harry Menon, Marcus Messmer, Ryan Monahan, Sarah Mushtaq, Gayathri Nagaraj, Sarah Nagle, Jarushka Naidoo, John Nakayama, Vikram M. Narayan, Heather H. Nelson, Eneida R. Nemecek, Pier Vitale Nuzzo, Paul E. Oberstein, Adam J. Olszewski, Susie Owenby, Mary Pasquinelli, John Philip, Sabitha Prabhakaran, Matthew Puc, Amelie G. Ramírez, Joerg Rathmann, Sanjay G. Revankar, Young Soo Rho, Terence D. Rhodes, Robert Rice, Gregory J. Riely, Jonathan W. Riess, Cameron Rink, Elizabeth Robilotti, Lori J. Rosenstein, Bertrand Routy, Marc A. Rovito, Muhammad Wasif Saif, Amit Sanyal, Lidia Schapira, Candice Schwartz, Oscar K. Serrano, Mansi Shah, Chintan Shah, Grace Shaw, Ardaman Shergill, Geoffrey Shouse, Heloisa P. Soares, Carmen C. Solórzano, Pramod K. Srivastava, Karen Stauffer, Daniel G. Stover, Jamie Stratton, Catherine Stratton, Vivek Subbiah, Rulla M. Tamimi, Nizar M. Tannir, Ümit Topaloĝlu, Eli Van Allen, Susan Van Loon, Karen Vega-Luna, Neeta K. Venepalli, Amit Verma, Praveen Vikas, Sarah Wall, Paul L. Weinstein, Matthias Weiss, Trisha M. Wise‐Draper, William A. Wood, Wenxin Xu, Susan Yackzan, Rosemary Zacks, Tian Zhang, Andrea Zimmer, Jack West
Notice bibliographique
RevueThe Lancet · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensMcGill University Health CentreMcGill UniversityJewish General Hospital
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Human Genome Research InstituteHope FoundationVanderbilt Institute for Clinical and Translational ResearchNational Cancer InstituteNational Institutes of HealthVanderbilt UniversityAmerican Cancer Society
Mots-clésMedicineInternal medicineCohortCancerCohort studyLogistic regressionProstate cancerMalignancyBreast cancer
Résumé
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.
Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,032
Score d'incertitude au seuil0,063
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 Opus0,196
Tête enseignante GPT0,509
Écart entre enseignants0,313 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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 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'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
Citations1 802
Publié2020
Routes d'admission1
Résumé présentnon