MétaCan
Menu
Retour à la cohorte
Enregistrement W4293348977 · doi:10.1093/ehjqcco/qcac055

Critical Care Cardiology Trials Network (CCCTN): a cohort profile

2022· article· en· W4293348977 sur OpenAlexaffabout
Thomas S. Metkus, Vivian M. Baird-Zars, Carlos E. Alfonso, Carlos L. Alviar, Christopher F. Barnett, Gregory W. Barsness, David D. Berg, Mia Bertić, Erin A. Bohula, James A. Burke, Barry Burstein, Sunit‐Preet Chaudhry, Howard A. Cooper, Lori B. Daniels, Christopher B. Fordyce, Shahab Ghafghazi, Michael Goldfarb, Jason N. Katz, Ellen C. Keeley, Norma Keller, Benjamin B. Kenigsberg, Michael C. Kontos, Young W. Kwon, Patrick R. Lawler, Evan Leibner, Shuangbo Liu, Venu Menon, P. Elliott Miller, L. Kristin Newby, Connor O’Brien, Alexander Papolos, Matthew J Pierce, Rajnish Prasad, Barbara Pisani, Brian J. Potter, Robert O. Roswell, Shashank S. Sinha, Kevin Shah, Timothy D. Smith, R. Jeffrey Snell, Derek So, Michael A. Solomon, Bradley Ternus, Jeffrey J. Teuteberg, Sean van Diepen, Sammy Zakaria, David A. Morrow

Notice bibliographique

RevueEuropean Heart Journal - Quality of Care and Clinical Outcomes · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensUniversity of AlbertaSt. Boniface HospitalCentre Hospitalier de l’Université de MontréalMcGill UniversityCentre for Advancing Health OutcomesUniversity of British ColumbiaImperial College of TorontoUniversity of OttawaJewish General HospitalToronto General HospitalUniversity of Toronto
Organismes subventionnairesNIH Clinical CenterNational Institute on AgingNational Institutes of HealthNational Center for Advancing Translational SciencesJohns Hopkins University
Mots-clésMedicineClinical trialIntensive care medicineEpidemiologyIntensive carePopulationCoronary care unitIntensive care unitHeart failureEmergency medicineInternal medicineMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

AIMS: The aims of the Critical Care Cardiology Trials Network (CCCTN) are to develop a registry to investigate the epidemiology of cardiac critical illness and to establish a multicentre research network to conduct randomised clinical trials (RCTs) in patients with cardiac critical illness. METHODS AND RESULTS: The CCCTN was founded in 2017 with 16 centres and has grown to a research network of over 40 academic and clinical centres in the United States and Canada. Each centre enters data for consecutive cardiac intensive care unit (CICU) admissions for at least 2 months of each calendar year. More than 20 000 unique CICU admissions are now included in the CCCTN Registry. To date, scientific observations from the CCCTN Registry include description of variations in care, the epidemiology and outcomes of all CICU patients, as well as subsets of patients with specific disease states, such as shock, heart failure, renal dysfunction, and respiratory failure. The CCCTN has also characterised utilization patterns, including use of mechanical circulatory support in response to changes in the heart transplantation allocation system, and the use and impact of multidisciplinary shock teams. Over years of multicentre collaboration, the CCCTN has established a robust research network to facilitate multicentre registry-based randomised trials in patients with cardiac critical illness. CONCLUSION: The CCCTN is a large, prospective registry dedicated to describing processes-of-care and expanding clinical knowledge in cardiac critical illness. The CCCTN will serve as an investigational platform from which to conduct randomised controlled trials in this important patient population.

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)0,047
score de la tête « metaresearch » (Gemma)0,097
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: aucune
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,251

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0470,097
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,008
Études des sciences et des technologies0,0020,001
Communication savante0,0040,003
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,429
Tête enseignante GPT0,557
Écart entre enseignants0,128 · 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

Citations22
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Heart Journal - Quality of Care and Clinical OutcomesMême sujetSepsis Diagnosis and TreatmentTravaux en français237 207