MétaCan
Menu
Retour à la cohorte
Enregistrement W3043598007 · doi:10.1080/08998280.2020.1784499

Diabetes mellitus and pernicious anemia: interrelated therapeutic triumphs discovered shortly after William Osler’s death

2020· article· en· W3043598007 sur OpenAlexaboutno aff
Marvin J. Stone

Notice bibliographique

RevueBaylor University Medical Center Proceedings · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueHistory of Medical Practice
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-cléspernicious anemiaMedicineAnemiaGerontologyPediatricsPsychologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

William Osler died on December 29, 1919, at the age of 70. Less than 1 year later, Frederick Grant Banting began a research project at the University of Toronto to find a treatment for diabetes mellitus. John James Rickard Macleod, director of physiology, gave him space, funding, and supplies. Charles Herbert Best, an undergraduate medical student, joined Banting. In 1921, Banting and Best isolated and purified insulin from pancreatic extracts of dogs. James Bertram Collip, a biochemist, helped in the purification process. The first American patient was treated with Toronto insulin in May 1922. Banting and Macleod were awarded the Nobel Prize in 1923 "for the discovery of insulin." George Richards Minot, a young hematologist in Boston, had an obsessive interest in the effect of diet on anemia. In October 1921, Minot developed weight loss and was diagnosed with severe diabetes mellitus. By January 1923, the pioneering diabetologist, Elliott Proctor Joslin, began to treat Minot with insulin. Minot's condition improved and he returned to work. In 1926, Minot and William Parry Murphy amazed the medical world when they eradicated anemia in 45 pernicious anemia patients by feeding them a half-pound of beef liver daily. Minot shared the 1934 Nobel Prize with Murphy and George Hoyt Whipple "for their discoveries concerning liver therapy in cases of anemia." Minot remained on insulin the rest of his life. Osler described the clinical findings and blood picture of pernicious anemia nearly a half century before Minot but his observations were largely ignored. Osler had an intriguing connection to Banting. Had he lived, Osler would have been ecstatic over these two monumental therapeutic breakthroughs.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,003
Science ouverte0,0000,002
Intégrité de la recherche0,0030,009
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,018
Tête enseignante GPT0,229
Écart entre enseignants0,212 · 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
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBaylor University Medical Center ProceedingsMême sujetHistory of Medical PracticeTravaux en français237 207