MétaCan
Menu
Retour à la cohorte
Enregistrement W4321103315 · doi:10.1038/s41526-023-00260-9

Pathophysiology, risk, diagnosis, and management of venous thrombosis in space: where are we now?

2023· review· en· W4321103315 sur OpenAlexaff
Katie M. Harris, Roopen Arya, Antoine Élias, Tobias Weber, David A. Green, Danielle K. Greaves, Lonnie G. Petersen, Lara N. Roberts, Tovy Haber Kamine, Lucia Mazzolai, Andrej Bergauer, David Kim, Rik Olde Engberink, Peter zu Eulenberg, Bruno Grassi, Lucrezia Zuccarelli, Giovanni Baldassarre, Kevin Tabury, Sarah Baatout, Jens Jordan, Andrew P. Blaber, Alexander Choukèr, Thaís Russomano, Nandu Goswami

Notice bibliographique

Revuenpj Microgravity · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueVenous Thromboembolism Diagnosis and Management
Établissements canadiensSimon Fraser UniversityUniversity of WaterlooUniversity of British ColumbiaMemorial University of Newfoundland
Organismes subventionnairesNuclear Safety and Security CommissionEuropean Space AgencyNational Aeronautics and Space Administration
Mots-clésVenous thrombosisPathophysiologyMedicineThrombosisIntensive care medicineRisk managementVenous thromboembolismCardiologyInternal medicineBusiness

Résumé

récupéré en direct d'OpenAlex

The recent incidental discovery of an asymptomatic venous thrombosis (VT) in the internal jugular vein of an astronaut on the International Space Station prompted a necessary, immediate response from the space medicine community. The European Space Agency formed a topical team to review the pathophysiology, risk and clinical presentation of venous thrombosis and the evaluation of its prevention, diagnosis, mitigation, and management strategies in spaceflight. In this article, we discuss the findings of the ESA VT Topical Team over its 2-year term, report the key gaps as we see them in the above areas which are hindering understanding VT in space. We provide research recommendations in a stepwise manner that build upon existing resources, and highlight the initial steps required to enable further evaluation of this newly identified pertinent medical risk.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,060
Tête enseignante GPT0,357
Écart entre enseignants0,297 · 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'étudeSans objet
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

Citations23
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuenpj MicrogravityMême sujetVenous Thromboembolism Diagnosis and ManagementTravaux en français237 207