Les meilleures études de 2021 adéquates pour les soins de première ligne
Notice bibliographique
Résumé
<h3>Résumé</h3> <h3>Objectif</h3> Résumer 10 études ou lignes directrices de grande qualité publiées en 2021 qui présentent un intérêt marqué pour les médecins qui ont une pratique familiale complète. <h3>Sélection des données probantes</h3> L’équipe PEER (<i>Patients, Experience, Evidence, Research</i>), un groupe de professionnels de la santé dont la recherche s’intéresse à la médecine fondée sur les données probantes et à la médecine de première ligne, a systématiquement surveillé les résumés publiés dans les revues savantes importantes et dans EvidenceAlerts. L’équipe PEER a passé au crible, sélectionné et placé les résumés en ordre d’importance. <h3>Message principal</h3> Les articles publiés en 2021 qui influeront le plus probablement sur la pratique de première ligne traitent des sujets suivants : empagliflozine contre l’insuffisance cardiaque avec fraction d’éjection préservée; sémaglutide pour perdre du poids; arrêter les antidépresseurs en première ligne; budésonide par inhalation contre la COVID-19; acide acétylsalicylique en prévention de la prééclampsie; quart de dose d’antihypertenseurs contre l’hypertension; contrôle énergique de la tension artérielle chez les patients âgés; méthode kangourou pour les nouveau-nés de faible poids; chaussures pour la gonarthrose; et report de l’antibiothérapie pour les infections respiratoires pédiatriques. On jette également un coup d’œil rapide à deux « mentions honorables ». <h3>Conclusion</h3> En 2021, la recherche a produit plusieurs études de grande qualité dans le domaine des soins cardiovasculaires, mais elle a également porté sur une gamme d’affections présentant un intérêt pour les soins de première ligne, dont la perte pondérale, la dépression et la COVID-19.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».