MétaCan
Menu
Retour à la cohorte
Enregistrement W4383216835 · doi:10.1016/j.jhep.2023.06.018

Palliative clinical trials in advanced chronic liver disease: Challenges and opportunities

2023· review· en· W4383216835 sur OpenAlexafffund
Sumita Verma, Jay Hingwala, Joseph Low, Arpan Patel, Manisha Verma, Stephen Bremner, Yazan Haddadin, Myrick C. Shinall, Paul Komenda, Nneka N. Ufere

Notice bibliographique

RevueJournal of Hepatology · 2023
Typereview
Langueen
DomaineMedicine
ThématiquePalliative Care and End-of-Life Issues
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesMarie CurieNational Institute for Health and Care ResearchPatient-Centered Outcomes Research InstituteNational Institutes of HealthAmerican Association for the Study of Liver DiseasesCambia Health FoundationUniversity of ManitobaMassachusetts General Hospital
Mots-clésMedicinePalliative carePsychological interventionIntensive care medicineDiseaseClinical trialChronic liver diseaseLiver diseaseChronic diseaseNursingInternal medicineCirrhosis

Résumé

récupéré en direct d'OpenAlex

Patients with advanced chronic liver disease have a complex symptom burden and many are not candidates for curative therapy. Despite this, provision of palliative interventions remains woefully inadequate, with an insufficient evidence base being a contributory factor. Designing and conducting palliative interventional trials in advanced chronic liver disease remains challenging for a multitude of reasons. In this manuscript we review past and ongoing palliative interventional trials. We identify barriers and facilitators and offer guidance on addressing these challenges. We hope that this will reduce the inequity in palliative care provision in advanced chronic liver disease.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil0,883

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0070,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,832
Tête enseignante GPT0,623
Écart entre enseignants0,209 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations25
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of HepatologyMême sujetPalliative Care and End-of-Life IssuesTravaux en français237 207