Les meilleures études de 2021 adéquates pour les soins de première ligne
Notice bibliographique
Résumé
Résumé Objectif 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. Sélection des données probantes L’équipe PEER (Patients, Experience, Evidence, Research), 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. Message principal 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 ». Conclusion 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 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 | 0,034 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,055 | 0,013 |
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 ».