MétaCan
Menu
← Retour à la cohorte

REDUCING DOOR-TO-NEEDLE TIMES ACROSS 11 RURAL HOSPITALS IN CANADA

2018· preprint· en· W4214503331 sur OpenAlexaboutno aff
Noreen Kamal

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueSocial Sciences and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessGeography

Résumé

récupéré en direct d'OpenAlex

IntroductionWomen who suffer stroke are older than men, have more cardioembolic aetiology including atrial fibrillation (AF) and suffer from more severe strokes. We aimed to investigate whether the use of antithrombotic drugs is different in women and men with stroke and AF.Methods: We used data from the Norwegian Stroke Registry 2016 and extracted people with detected AF, both known and detected during the hospital stay. Using the Chi-square test we compared the use of different antithrombotic drugs prior to stroke and upon discharge. Results: Out of 8650 patients, 2290 (26.5%) had AF. There were significantly more AF among women than men (27.7 vs 25.5%, p = 0.02). On admission, there were no differences between women and men in the use of aspirin (31.2 vs 32.1%, p = 0.495), clopidorgrel (1.9 vs 2.5%, p = 0.327) or warfarin (21.8 vs 23.6, p = 0.30). Women were less likely to be on treatment with other anticoagulants (19.4 vs 23.4%, p = 0.017). At discharge, there were no differences in the use of either warfarin or other anticoagulants, however, men were more often on treatment with aspirin (17.1 vs 21.8%, <0.001) and clopidogrel (1.8 vs 4.1%, p = 0.002). Conclusion: The proportion of AF is higher among women than among men. Women were less likely than men to be treated with other anticoagulants prior to the stroke, but not on discharge. Men with AF received more antiplatelet drugs on discharge than women with AF, and this could reflect differences in age or other comorbidities.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,304

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,016
Tête enseignante GPT0,316
Écart entre enseignants0,300 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSocial Sciences and Governance→Travaux en français237 207→