Current considerations for clinical management and care of non-alcoholic fatty liver disease: Insights from the 1st International Workshop of the Canadian NASH Network (CanNASH)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Non-alcoholic fatty liver disease (NAFLD) affects approximately 8 million Canadians. NAFLD refers to a disease spectrum ranging from bland steatosis to non-alcoholic steatohepatitis (NASH). Nearly 25% of patients with NAFLD develop NASH, which can progress to liver cirrhosis and related end-stage complications. Type 2 diabetes and obesity represent the main risk factors for the disease. The Canadian NASH Network is a national collaborative organization of health care professionals and researchers with a primary interest in enhancing understanding, care, education, and research around NAFLD, with a vision of best practices for this disease state. At the 1st International Workshop of the CanNASH network in April 2021, a joint event with the single topic conference of the Canadian Association for the Study of the Liver (CASL), clinicians, epidemiologists, basic scientists, and community members came together to share their work under the theme of NASH. This symposium also marked the initiation of collaborations between Canadian and other key opinion leaders in the field representative of international liver associations. The main objective is to develop a policy framework that outlines specific targets, suggested activities, and evidence-based best practices to guide provincial, territorial, and federal organizations in developing multidisciplinary models of care and strategies to address this epidemic.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle