MétaCan
Menu
Retour à la cohorte
Enregistrement W3202327032 · doi:10.4093/dmj.2021.0171

The History of Insulin Therapy in Korea

2021· editorial· en· W3202327032 sur OpenAlexaboutno aff
Jun Sung Moon, Jong Chul Won, Young Min Cho

Notice bibliographique

RevueDiabetes & Metabolism Journal · 2021
Typeeditorial
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineInsulinDiabetes mellitusIntensive care medicineInternal medicineTraditional medicineEndocrinology

Résumé

récupéré en direct d'OpenAlex

The original groundbreaking research occurred in 1921, when Frederick Banting and Charles Best from Canada successfully isolated insulin from dogs [1].The first insulin therapy was administered to Leonard Thompson in 1922, to treat juvenile diabetes.The year 2021 marks the 100th anniversary of the discovery of insulin [2].It is not well known how and who introduced insulin to Korea.In Korea, who was the first physician to prescribe insulin, and who was the first person to receive it?The history of medicine in Korea has been diverse and challenging due to internal and external circumstances, as with modern and contemporary Korean history.We could not find any official record of the first use of insulin or any information about early diabetes patients and the treatments they received.Even from the times earlier than the 1970s, there are no records of imports, exports, licenses, and sales of insulin for domestic use.It is assumed that insulin was introduced to Korea by missionaries at the time of insulin's initial discovery or by a Japanese doctor during the Japanese Colonial period.Herein, we investigated the early history of insulin use in Korea, by looking back at old news articles and by interviewing senior academics and early insulin product importers.

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)0,004
score de la tête « metaresearch » (Gemma)0,015
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: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,015
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,003
Communication savante0,0060,006
Science ouverte0,0010,002
Intégrité de la recherche0,0080,022
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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 Opus0,016
Tête enseignante GPT0,278
Écart entre enseignants0,263 · 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
GenreÉditorial

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetes & Metabolism JournalMême sujetDiabetes Management and ResearchTravaux en français237 207