MétaCan
Menu
Retour à la cohorte
Enregistrement W4317207929 · doi:10.1212/cpj.0000000000200115

Practice Current

2023· article· en· W4317207929 sur OpenAlexafffund
Neal S. Parikh, Daniel Restifo, Aravind Ganesh, Hooman Kamel

Notice bibliographique

RevueNeurology Clinical Practice · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Institute on AgingNational Institutes of HealthAlberta InnovatesCanadian Cardiovascular SocietyArcadia FundWellcome TrustPfizerCanadian Institutes of Health ResearchLeon Levy FoundationNational Institute of Neurological Disorders and StrokeAmerican Heart Association
Mots-clésSmoking cessationPsychological interventionStroke (engine)MedicineNeurologyClinical PracticeIntervention (counseling)Family medicineIschemic strokePhysical therapyInternal medicineNursingPsychiatryIschemiaPathology

Résumé

récupéré en direct d'OpenAlex

People who continue to smoke after ischemic stroke and transient ischemic attack (TIA) are at increased risk for subsequent stroke and cardiovascular events. Although effective smoking cessation strategies exist, smoking rates after stroke remain high. Through case-based discussions with 3 international vascular neurology panelists, this article seeks to explore practice patterns and barriers to smoking cessation for patients with stroke/TIA. We sought to answer these questions: What are the barriers to using smoking cessation interventions for patients with stroke/TIA? Which interventions are most used for hospitalized patients with stroke/TIA? Which interventions are most used for patients who continue smoking during follow-up? Our synthesis of panelists' commentaries is complemented by the preliminary results of an online survey posed to global readership. Together, the interviews and survey results identify practice variability and barriers to smoking cessation after stroke/TIA, suggesting that there is substantial need for research and standardization.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,078
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,371
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,078
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,008

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 Opus0,100
Tête enseignante GPT0,485
Écart entre enseignants0,385 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeurology Clinical PracticeMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207