MétaCan
Menu
Retour à la cohorte
Enregistrement W4283398311 · doi:10.1002/14651858.cd014966

Sex and gender as predictors for allograft and patient-relevant outcomes after kidney transplantation

2022· article· en· W4283398311 sur OpenAlexaff
Sumedh Jayanti, Nadim A Beruni, Juanita N. Chui, Danny Deng, Amy Liang, Anita S. Chong, Jonathan C. Craig, Bethany J. Foster, Martin Howell, Siah Kim, Ruth Sapir‐Pichhadze, Roslyn B. Mannon, Nicole Scholes‐Robertson, Alexandra T. Strauss, Allison Tong, Lori J. West, Tess E Cooper, Germaine Wong

Notice bibliographique

RevueCochrane Database of Systematic Reviews · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal Transplantation Outcomes and Treatments
Établissements canadiensUniversity of AlbertaMcGill University
Organismes subventionnairesnon disponible
Mots-clésMedicinePopulationTransplantationKidney transplantationDemographyInternal medicine

Résumé

récupéré en direct d'OpenAlex

This is a protocol for a Cochrane Review (prognosis). The objectives are as follows: To evaluate the prognostic effect of the recipient's (i) sex and gender separately (ii) gender as an independent predictor of patient‐relevant outcomes at any time period following kidney or SPK transplantation (Table 1) and explore sources of heterogeneity. We aim to evaluate this prognostic effect by (a) clearly defining the relationship between recipient sex/gender and post‐transplantation outcomes, which would involve identifying reasons for variations between sexes and genders, and then (b) quantifying the magnitude of this relationship. INVESTIGATION OF SOURCES OF HETEROGENEITY BETWEEN STUDIES: Sources of heterogeneity may exist between studies that can have an impact on outcomes. We will explore potential sources, which may include patient age, self‐reported ethnicity, country of transplantation, transplant era, living versus deceased donor transplantation, definitions and units used for outcomes, quality of the study, and the indication for kidney transplantation.

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)0,028
score de la tête « metaresearch » (Gemma)0,093
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,147

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,093
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0110,013
Bibliométrie0,0130,013
Études des sciences et des technologies0,0010,002
Communication savante0,0050,004
Science ouverte0,0030,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0350,002

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 Opus0,045
Tête enseignante GPT0,331
Écart entre enseignants0,286 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCochrane Database of Systematic ReviewsMême sujetRenal Transplantation Outcomes and TreatmentsTravaux en français237 207