The Canadian Neuromuscular Disease Registry 2010–2019: A Decade of Facilitating Clinical Research Througha Nationwide, Pan-NeuromuscularDisease Registry
Notice bibliographique
Résumé
We report the recruitment activities and outcomes of a multi-disease neuromuscular patient registry in Canada. The Canadian Neuromuscular Disease Registry (CNDR) registers individuals across Canada with a confirmed diagnosis of a neuromuscular disease. Diagnosis and contact information are collected across all diseases and detailed prospective data is collected for 5 specific diseases: Amyotrophic Lateral Sclerosis (ALS), Duchenne Muscular Dystrophy (DMD), Myotonic Dystrophy (DM), Limb Girdle Muscular Dystrophy (LGMD), and Spinal Muscular Atrophy (SMA). Since 2010, the CNDR has registered 4306 patients (1154 pediatric and 3148 adult) with 91 different neuromuscular diagnoses and has facilitated 125 projects (73 academic, 3 not-for-profit, 3 government, and 46 commercial) using registry data. In conclusion, the CNDR is an effective and productive pan-neuromuscular registry that has successfully facilitated a substantial number of studies over the past 10 years.
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 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,113 | 0,128 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,014 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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.
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.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».