MétaCan
Menu
Retour à la cohorte
Enregistrement W3034965161 · doi:10.1016/s1470-2045(20)30314-4

COVID-19 in patients with thoracic malignancies (TERAVOLT): first results of an international, registry-based, cohort study

2020· article· en· W3034965161 sur OpenAlexfundno aff
Marina Chiara Garassino, Jennifer G. Whisenant, Li‐Ching Huang, Annalisa Trama, Valter Torri, Francesco Agustoni, Javier Baena, Giuseppe Luigi Banna, Rossana Berardi, Anna Bettini, Emilio Bria, Matteo Brighenti, Jacques Cadranel, Alessandro De Toma, Claudio Chini, Alessio Cortellini, Enriqueta Felip, Giovanna Finocchiaro, Pilar Garrido, Carlo Genova, Raffaele Giusti, Vanesa Gregorc, Francesco Grossi, Federica Grosso, Salvatore Intagliata, Nicla La Verde, Stephen V. Liu, Julien Mazières, Edoardo Mercadante, Olivier Michielin, Gabriele Minuti, Denis Moro‐Sibilot, Giulia Pasello, Antonio Passaro, Vieri Scotti, Piergiorgio Solli, Elisa Maria Stroppa, Marcello Tiseo, Giuseppe Viscardi, Luca Voltolini, Yi‐Long Wu, Silvia Zai, Véra Pancaldi, Anne‐Marie C. Dingemans, Jan P. van Meerbeeck, Fabrice Barlési, Heather A. Wakelee, Solange Peters, Leora Horn

Notice bibliographique

RevueThe Lancet Oncology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensnon disponible
Organismes subventionnairesFoundation MedicineMerck Sharp and DohmeBristol-Myers Squibb CanadaGrifolsPharmaMarOtsuka PharmaceuticalEisaiInstitut National de la Santé et de la Recherche MédicaleG1 TherapeuticsClovis OncologyLes Laboratories Pierre FabreRegeneron PharmaceuticalsTakeda Pharmaceutical CompanyAbbVieSamsungBristol-Myers SquibbEuropean Respiratory SocietyMerckSpectrum PharmaceuticalsBayerGilead SciencesCelgeneNovartisExelixisSanofiRoche ItaliaGlaxoSmithKlinePfizerIncyteStanford UniversityAmgenAstraZenecaEli Lilly and Company
Mots-clésMedicineLung cancerInternal medicineCohortCancer registryPneumoniaOdds ratioPopulationCancerComorbidityStage (stratigraphy)

Résumé

récupéré en direct d'OpenAlex
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 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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,104
Tête enseignante GPT0,430
Écart entre enseignants0,326 · 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'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

Citations624
Publié2020
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueThe Lancet OncologyMême sujetCOVID-19 and healthcare impactsTravaux en français237 207