MétaCan
Menu
Retour à la cohorte
Enregistrement W3152931546 · doi:10.1016/j.ekir.2021.03.338

POS-322 INSIDE CKD: PROJECTING THE FUTURE BURDEN OF CHRONIC KIDNEY DISEASE IN THE AMERICAS AND THE ASIA-PACIFIC REGION USING MICROSIMULATION MODELLING

2021· article· en· W3152931546 sur OpenAlexaffabout
Juan José García Sánchez, Navdeep Tangri, A. Abdul Sultan, M.C. Batista, Claudia Cabrera, Steven J. Chadban, Glenn M. Chertow, Eiichiro Kanda, G. Li, S. Nolan, Lise Retat, Song Xin, Laura Webber, Jay B. Wish, Mingyue Xu

Notice bibliographique

RevueKidney International Reports · 2021
Typearticle
Langueen
DomaineDecision Sciences
Thématiquedemographic modeling and climate adaptation
Établissements canadiensUniversity of ManitobaOrthopaedic Innovation Centre
Organismes subventionnairesnon disponible
Mots-clésKidney diseaseMicrosimulationMedicinePublic healthDisease burdenDiseaseEnvironmental healthGerontologyIntensive care medicineInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

Chronic kidney disease (CKD) is a debilitating and costly condition, affecting about 10% of people globally. In the past decade, the increasing prevalence of CKD has been linked to rising rates of cardiovascular disease events, adverse renal outcomes and mortality. The future trajectories of CKD prevalence, progression and outcomes, as well as related costs, are critical considerations for public health and policy planning. Inside CKD aims to project, for the 2020–2025 period, the public health burden of CKD in Canada using a patient-level microsimulation-based model.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,097
Score d'incertitude au seuil0,468

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
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 Opus0,070
Tête enseignante GPT0,353
Écart entre enseignants0,283 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueKidney International ReportsMême sujetdemographic modeling and climate adaptationTravaux en français237 207