Apples to apples? Comparative analyses of national CF registries
Notice bibliographique
Résumé
National registries play a crucial role in understanding the natural history of cystic fibrosis (CF) and the impact of care delivery and interventions on outcomes. Data on more than 90 000 individuals are captured in CF registries around the world.1 Detailed examination of clinical characteristics, interventions and outcomes, benchmarking CF centres within jurisdictions and international comparisons across healthcare systems can stimulate quality improvement initiatives and drive effective changes in practice. In a 2015 cross-sectional comparison of the US and the UK national CF registries, children in the US had better lung function than their UK counterparts2; these differences persisted into early adulthood. However, both cohort effects and survivor bias could have affected the data interpretation as outlined in an accompanying editorial.3 In this issue of the Journal , addressing some of these confounders, Schluter and colleagues4 once again compared US and UK registry data, but this time focused on longitudinal trajectories of parallel cohorts limiting the study population to children between 6 and 18 years and those homozygous for the F508del mutation. The mean difference in per cent-predicted FEV1 (ppFEV1) between the US and UK populations at ages 6, 12 and 17 years was approximately 4%, 5% and 6%, respectively. The data suggested that children in the US may also have a slower rate of lung function decline, but the evidence for this was less convincing and dependent on …
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».