MétaCan
Menu
Retour à la cohorte
Enregistrement W38676804 · doi:10.1177/039139880703000503

Improving Outcomes from Acute Kidney Injury (AKI): Report on an Initiative

2007· article· en· W38676804 sur OpenAlexaff
Claudio Ronco, Adeera Levin, David G. Warnock, Ravi Mehta, John A. Kellum, Sudhir V. Shah, Bruce A. Molitoris, Arvind Bagga, Ayşı̇n Bakkaloğlu, Joseph V. Bonventre, Emmanuel A. Burdmann, Yipu Chen, Prasad Devarajan, V. D�Intini, Geoff Dobb, Charles G. Durbin, Kai‐Uwe Eckardt, Claude Guérin, Stefan Herget‐Rosenthal, Eric A. J. Hoste, Michael Joannidis, Ashok Kirpalani, Andrea Lassnigg, Jean‐Roger Le Gall, Raúl Lombardi, William L. Macias, Constantine A. Manthous, Ravindra L. Mehta, Miet Schetz, Frédérique Schortgen, Patrick SK Tan, Haiyan Wang, David G. Warnock, Steve Webb

Notice bibliographique

RevueThe International Journal of Artificial Organs · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Kidney Injury Research
Établissements canadiensSt. Paul's HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAcute kidney injuryMultidisciplinary approachMedicineIntensive care medicineNephrologyRenal replacement therapyMedical emergencyAcute careMEDLINEInternal medicineHealth carePolitical science

Résumé

récupéré en direct d'OpenAlex

Acute Kidney Injury (AKI) is a complex disorder for which currently there is no accepted definition. We describe an initiative to develop uniform standards for defining and classifying AKI and establish a forum for multidisciplinary interaction to improve care for patients with, or at risk for AKI. Members representing key societies in critical care and nephrology along with additional experts in adult and pediatric AKI participated in a 2-day conference in Amsterdam in September 2005 to draft consensus recommendations for diagnosing and staging AKI. This report describes the proposed diagnostic and staging criteria for AKI and the formation of a multidisciplinary collaborative network.

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)0,034
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,178

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,018
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0020,007
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,046
Tête enseignante GPT0,388
Écart entre enseignants0,342 · 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'étudeObservationnel
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

Citations56
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Artificial OrgansMême sujetAcute Kidney Injury ResearchTravaux en français237 207