MétaCan
Menu
Retour à la cohorte
Enregistrement W3111755521 · doi:10.1017/ice.2020.1282

Reliability of nonlocalizing signs and symptoms as indicators of the presence of infection in nursing-home residents

2020· article· en· W3111755521 sur OpenAlexaff
Theresa A. Rowe, Robin Jump, Bjørg Marit Andersen, David Banach, Kristina A. Bryant, Sarah B. Doernberg, Mark Loeb, Deborah Morgan, Andrew M. Morris, Rekha Murthy, David A. Nace, Christopher J. Crnich

Notice bibliographique

RevueInfection Control and Hospital Epidemiology · 2020
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAntibiotic Use and Resistance
Établissements canadiensUniversity Health NetworkUniversity of TorontoMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineNursing homesAntibioticsNursingPublic healthDrugIntensive care medicineAntibiotic resistanceFamily medicinePharmacology

Résumé

récupéré en direct d'OpenAlex

Antibiotics are among the most common medications prescribed in nursing homes. The annual prevalence of antibiotic use in residents of nursing homes ranges from 47% to 79%, and more than half of antibiotic courses initiated in nursing-home settings are unnecessary or prescribed inappropriately (wrong drug, dose, or duration). Inappropriate antibiotic use is associated with a variety of negative consequences including Clostridioides difficile infection (CDI), adverse drug effects, drug-drug interactions, and antimicrobial resistance. In response to this problem, public health authorities have called for efforts to improve the quality of antibiotic prescribing in nursing homes.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,011
Score d'incertitude au seuil0,410

Scores Codex et Gemma par catégorie

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

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 Opus0,007
Tête enseignante GPT0,264
Écart entre enseignants0,257 · 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 tête enseignante, 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

Citations45
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInfection Control and Hospital EpidemiologyMême sujetAntibiotic Use and ResistanceTravaux en français237 207