Excel Macro for Lung Volume Recruitment Counter Data (Omega Data Logger).
Notice bibliographique
Résumé
Lung volume recruitment (LVR) is a common respiratory therapy for people living with restrictive neuromuscular disease. LVR is important in acute respiratory compromise, during respiratory rehabilitation and as a preventative therapy. Cohort data associate LVR use with increased survival is diseases such as Duchenne Muscular Dystrophy.<sup>1</sup> While LVR is a commonly prescribed therapy, we have previously had to rely on self-report alone for any indication of adherence with prescribed therapy. This has significantly hampered both clinical decision making and research into effectiveness. In the paper from Canada and Australia that these data support, two large clinical services have collaborated to develop an objective LVR counter, to undertake extensive bench-testing, physiological testing, and to assess counter performance compared with diary self-report. The clinical validation was undertaken within a large, single-centre randomized controlled trial. The counter performed well and we believe the innovation will impact clinical care and research. These instructions, example output, and macro-enabled Excel spreadsheet are contined herein. 1. McKim DA, Katz SL, Barrowman N, et al. Lung Volume Recruitment Slows Pulmonary Function Decline in Duchenne Muscular Dystrophy. <em>Archives of Physical Medicine and Rehabilitation</em> 2012;93(7):1117-22.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,008 | 0,016 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».