MétaCan
Menu
Retour à la cohorte
Enregistrement W3091516673 · doi:10.22541/au.160166541.11518925

Tackling nasal symptoms in athletes: moving towards personalized medicine

2020· preprint· en· W3091516673 sur OpenAlexaff
Valérie Hox, Simon P. Beyaert, Dominique Bullens, Mariana Couto, Daniël Langer, Peter Helllings, Caroline Huart, Philippe Rombaux, Sven Seys, Pavol Šurda, Abigail Walker, Brecht Steelant

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueAllergic Rhinitis and Sensitization
Établissements canadiensSt. Thomas Hospital
Organismes subventionnairesnon disponible
Mots-clésAthletesMedicineDiseaseFeelingBreathingPopulationQuality of life (healthcare)Physical therapyIntensive care medicinePsychologyPathologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Adequate nasal breathing is indispensable for athletes and nasal symptoms have been shown to inter-fere with their subjective feeling of comfortable breathing and quality of life. Nasal symptoms are caused by either structural abnormalities or mucosal pathology. Structural pathologies are managed differently from mucosal disease and therefore adequate diagnosis is of utmost importance in athletes in order to choose the correct treatment option for the individual. Literature suggests that nasal symp-toms are more prevalent in athletes compared to the general population and certain sport environments might even trigger the development of symptoms. Given the high demands of respiratory function in athletes, insight into triggering factors is of high importance for disease prevention. Also, it has been suggested that athletes are more neglectful to their symptoms and hence remain undertreated, meaning that special attention should be paid to education of athletes and their caregivers. This review aims at giving an overview of nasal physiology in exercise as well as the possible types of nasal pathology. Additionally, diagnostic and treatment options are discussed and we focus on un-met needs for the management and prevention of these symptoms in athletes within the concept of precision medicine.

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)0,003
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: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,037
Tête enseignante GPT0,301
Écart entre enseignants0,264 · 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
GenreCommentaire

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 sujetAllergic Rhinitis and SensitizationTravaux en français237 207