MétaCan
Menu
Retour à la cohorte
Enregistrement W37484558 · doi:10.1093/omcr/omad066

Modeling Highway Traffic Safety in Nigeria Using Delphi Technique and Bayesian Network

2014· article· en· W37484558 sur OpenAlexfundno aff
Anthony C. Mbakwe, Anthony A. Saka, Keechoo Choi, Young-Jae Lee

Notice bibliographique

RevueTransportation Research Board 93rd Annual MeetingTransportation Research Board · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Foundation for AIDS Research
Mots-clésDelphi methodTransport engineeringBayesian networkDelphiDeveloping countryCase fatality rateProcess (computing)EngineeringComputer securityOperations researchBusinessComputer scienceEconomic growthEnvironmental healthEconomics

Résumé

récupéré en direct d'OpenAlex

A 65-year-old woman successfully treated for human immunodeficiency virus (HIV) and Hepatitis C virus was diagnosed with porphyria cutanea tarda (PCT) and treated by phlebotomies. She developed extensive psoriatic skin lesions resistant to topical treatments and methotrexate. She then received the anti-interleukin-17 (IL-17) secukinumab (Cosentyx) which improved her psoriatic skin lesions. Unexpectedly, her PCT skin lesions healed, allowing phlebotomy discontinuation over 2 years. Without lesions, the patient decided to discontinue secukinumab, leading to the recurrence of psoriatic and PCT skin lesions, which were controlled upon therapeutical rechallenge. No AIDS-related manifestations or infections developed, her CD4 count remained elevated and her HIV viral load was controlled under antiretroviral therapy. Both skin conditions and consequently the patient's quality of life have improved with secukinumab, allowing exposure to sunlight and phlebotomy discontinuation for >4 years. Likely, the IL-17 pathway is involved in the clinical manifestations of PCT, opening new avenues for therapeutical interventions.

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)0,009
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
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 enseignants0,081
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,003
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 Opus0,032
Tête enseignante GPT0,317
Écart entre enseignants0,285 · 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.

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

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Board 93rd Annual MeetingTransportation Research BoardMême sujetTraffic and Road SafetyTravaux en français237 207