← Retour à la cohorte
Racial and Ethnic Disparities in Acute Care Utilization Among Patients With Glomerular Disease
Jill Krissberg, Michelle M. O’Shaughnessy, Abigail R. Smith, Margaret Helmuth, Salem Almaani, Diego Avilés, Kaye E. Brathwaite, Yi Cai, Daniel Cattran, Rasheed Gbadegesin, Dorey A. Glenn, Larry A. Greenbaum, Sandra Iragorri, Koyal Jain, Myda Khalid, Jason M. Kidd, Jeffrey B. Kopp, Richard Lafayette, Jerome C. Lane, Francesca Lugani, Jordan G. Nestor, Rulan S. Parekh, Kimberly J. Reidy, David T. Selewski, Christine B. Sethna, C. John Sperati, Katherine R. Tuttle, Katherine Twombley, Tetyana L. Vasylyeva, Donald J. Weaver, Scott E. Wenderfer, Keisha L. Gibson, Wooin Ahn, Gerald B. Appel, Paul S. Appelbaum, Revekka Babayev, Andrew S. Bomback, Pietro A. Canetta, Lucrezia Carlassara, Brenda Chan, Vivette D. D’Agati, Samitri Dogra, Hilda Fernández, Ali G. Gharavi, William H. Hines, S. Ali Husain, Krzysztof Kiryluk, Fangming Lin, Maddalena Marasà, Glen S. Markowitz, Hila Milo Rasouly, Sumit Mohan, Nicola Mongera, Thomas L. Nickolas, Jai Radhakrishnan, Maya K. Rao, Simone Sanna‐Cherchi, Shayan Shirazian, Michael B. Stokes, Natalie Uy, Anthony M. Valeri, Natalie Vena, Bartosz Foroncewicz, Barbara Moszczuk, Krzysztof Mucha, Agnieszka Perkowska‐Ptasińska, Gian Marco Ghiggeri, Josephine M. Ambruzs, Helen Liapis, Rossana Baracco, Amrish Jain, Isa Ashoor, Tarak Srivastava, Sun-Young Ahn, Prasad Devarajan, Elif Erkan, Donna Claes, Hillarey Stone, Sherene Mason, Cynthia Silva, Liliana Gomez-Mendez, Chia-shi Wang, Hong Yin, Goebel Jens, Julia Steinke, Carl H. Cramer, Cindy Pan, Rajasree Sreedharan, Corinna Bowers, Mary Dreher, Mahmoud Kallash, John D. Mahan, Samantha Sharpe, William E. Smoyer, Amira Al‐Uzri, Craig W. Belsha, Michael Braun, Angela C. Gomez, Daniel I. Feig, Gabriel Cara‐Fuentes, Melisha Hannah, Carla Nester, Aftab S. Chishti, Jon B. Klein, Chryso Katsoufis, Wacharee Seeherunvong, Michelle N. Rheault, Craig S. Wong, Nisha Mathews, John Barcia, Sharon Bartosh, Tracy E. Hunley, Vikas R. Dharnidharka, Joseph P. Gaut, Louis‐Philippe Laurin, Virginie Royal, Anand Achanti, Milos N. Budisavljevic, Sally Self, Cybele Ghossein, Shikha Wadhwani, Isabelle Ayoub, Tibor Nádasdy, Samir M. Parikh, Brad H. Rovin, Anthony Chang, Huma Fatima, Jan Novák, Matthew B. Renfrow, Dana V. Rizk, Dhruti P. Chen, Vimal K. Derebail, Ronald J. Falk, Susan L. Hogan, J. Charles Jennette, Amy K. Mottl, Caroline J. Poulton, Manish K. Saha, Agnes B. Fogo, Neil Sanghani, H. Davis Massey, Selvaraj Muthusamy, Santhi Ganesan, Agustin Gonzalez‐Vicente, Jeffrey R. Schelling, Jean Hou, Kevin V. Lemley, Warren Mika, Pierre Russo, Michelle Denburg, Amy J. Kogon, Kevin Meyers, Madhura Pradhan, Raed Bou Matar, John O’Toole, John R. Sedor, Serena M. Bagnasco, Alicia M. Neu, Sharon G. Adler, Tiane Dai, Ram Dukkipati, Fernando C. Fervenza, Sanjeev Sethi, Frederick J. Kaskel, Suzanne Vento, Joseph Weisstuch, Ming‐Fang Wu, Olga Zhdanova, Jurgen Heymann, Meryl Waldman, Cheryl A. Winkler, Michelle Hladunewich, Carmen Ávila-Casado, Reich Heather, Philip Boll, Yelena Drexler, Alessia Fornoni, Patrick E. Gipson, Jeffrey B. Hodgin, Andrew Oliverio, J.J. Hogan, Lawrence B. Holzman, Matthew Palmer, Blaise Abromovitz, Michael Mortiz, Charles E. Alpers, J. Ashley Jefferson, Elizabeth Brown, Kamal Sambandam, Bruce Robinson, Cynthia C. Nast, Laura Barisoni, Brenda W. Gillespie, Deb Gipson, Maggie Hicken, Matthias Kretzler, Laura Mariani, Lisa M. Guay‐Woodford
Notice bibliographique
RevueAmerican Journal of Kidney Diseases · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Kidney Disease and Diabetes
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of TorontoUniversity Health Network
Organismes subventionnairesStanford Maternal and Child Health Research InstituteNational Center for Advancing Translational SciencesNational Institute of Allergy and Infectious DiseasesVertex PharmaceuticalsGilead SciencesNational Institute of Diabetes and Digestive and Kidney DiseasesNephcure Foundation
Mots-clésMedicineEthnic groupSocioeconomic statusProspective cohort studyDemographyCohortAcute careCohort studyDiseaseHealth careInternal medicineGerontologyPopulationEnvironmental health
Résumé
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.
Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.
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.
score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,062
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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.
Tête enseignante Opus0,007
Tête enseignante GPT0,255
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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.
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
Citations8
Publié2022
Routes d'admission1
Résumé présentnon