Notice bibliographique
Résumé
Gout is a common hyperuricemic metabolic condition, leading to recurrent inflammatory arthritis and some of the most severe pain experienced by humans. As detailed in a recent Global Burden of Disease analysis of 195 countries and territories between 1990 and 2017,1 the incidence, prevalence, and disability burden of gout have risen worldwide for decades, and the condition now affects > 10 million US adults (4%).2 The disease burden of gout is also complicated by a higher prevalence of the metabolic syndrome and risk of cardiometabolic comorbidities.3 Further, this “modern gout epidemic” and suboptimal gout care4 have contributed to high rates of recurrent gout flares worldwide, rising ambulatory5 and emergency room visits,6 and hospitalizations due to gout over the past several decades.7,8 For example, from 1993 to 2011, US hospitalization rates due to gout doubled, whereas hospitalization rates for rheumatoid arthritis declined, narrowing the gap and soon reversing the rates between the 2 diseases.7 These data indicate the clear unmet need for improved gout prevention and care. Gout has historically been considered a disease of White men who overindulged in red meats and other rich foods, and epidemiologic studies have focused on White individuals. A few epidemiologic studies have reported higher risks of gout or hyperuricemia among Black individuals (Table 1),2,9,10,11 particularly among women9; however, no studies have evaluated the risks among other races or ethnicities in the US. Similarly, evaluation of gout risk factors (including genetics) has heavily focused on White individuals, including the deleterious factors of meat, seafood, and alcohol consumption, excess adiposity, and diuretic use,12 and protective factors of low-fat dairy and coffee consumption, vitamin C, and healthy dietary patterns.12,13 This stems from a … Address correspondence to Dr. H.K. Choi, Professor of Medicine, Harvard Medical School, Director, Gout and Crystal Arthropathy Center, Director, Clinical Epidemiology and Health Outcomes, Division of Rheumatology, Allergy, and Immunology, Massachusetts General Hospital, 55 Fruit Street, Bulfinch 165, Boston, MA 02114, USA. Email: hchoi@mgh.harvard.edu.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».