MétaCan
Menu
Retour à la cohorte
Enregistrement W4388486184 · doi:10.1053/j.gastro.2023.10.033

Integrating Evidence to Guide Use of Biologics and Small Molecules for Inflammatory Bowel Diseases

2023· review· en· W4388486184 sur OpenAlexaff
Parambir S. Dulai, Siddharth Singh, Vipul Jairath, Emily C L Wong, Neeraj Narula

Notice bibliographique

RevueGastroenterology · 2023
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueInflammatory Bowel Disease
Établissements canadiensMcMaster UniversityWestern University
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney Diseases
Mots-clésScope (computer science)MedicineInflammatory Bowel DiseasesGuidelineUsabilityPosition paperIntensive care medicineEvidence-based medicineRisk analysis (engineering)Alternative medicineManagement scienceInflammatory bowel diseaseComputer sciencePathologyDiseaseEngineering

Résumé

récupéré en direct d'OpenAlex

Advances in science have led to the development of multiple biologics and small molecules for the treatment of inflammatory bowel diseases (IBDs). This growth in advanced medical therapies has been accompanied by an increase in methodological innovation to study and compare therapies. Guidelines provide an evidence-based approach to integrating therapies into routine practice, but they are often unable to provide timely recommendations as new therapies come to market, and they have limited incorporation of real-world evidence when making recommendations. This limits the scope and usability of guidelines, and a gap remains in defining how best to position and integrate advanced medical therapies for IBD. In this review, we provide a framework for clinicians and researchers to understand key differences in sources of evidence, how different methodologies are applied to study the comparative effectiveness of advanced medical therapies in IBD, and considerations for how these sources of evidence can be used to better integrate current guideline recommendations. Over time, we anticipate this framework will allow for a transition to living guidelines and/or practice recommendations.

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)0,186
score de la tête « metaresearch » (Gemma)0,492
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 enseignants0,186
Score d'incertitude au seuil0,982

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1860,492
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0100,010
Bibliométrie0,0220,013
Études des sciences et des technologies0,0030,004
Communication savante0,0150,014
Science ouverte0,0090,011
Intégrité de la recherche0,0120,015
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,067
Tête enseignante GPT0,326
Écart entre enseignants0,259 · 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

Citations25
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGastroenterologyMême sujetInflammatory Bowel DiseaseTravaux en français237 207