Kawarabi: Administrative Structuring of a Multicenter Research Collaborative to Study Kawasaki Disease in the Arab Countries
Notice bibliographique
Résumé
Kawasaki disease (KD), the leading cause of acquired heart disease in children in developed countries, merits conducting detailed studies in Arab countries. We introduce Kawarabi, as a multicenter research collaborative effort dedicated to improving diagnosis, care, and outcome of children and adults with KD in the Arab world. During the COVID-19 pandemic, there emerged a new multisystem inflammatory syndrome in children; a disease similar to KD. This highlighted the challenges that Arab physicians face in diagnosing and managing children with KD and KD-like illnesses. Kawarabi brings together experts in North America and Arab nations to study this family of diseases in a not-for-profit, voluntary scientific collaborative setting. Bylaws addressing the vision, objectives, structure, and governance of Kawarabi were established, and vetted by the 45 organizing members in 2021. An initial scientific publication showed evidence of a decreased level of awareness of the disease in the general population, as well as the lack of access to resources available for physicians caring for children with KD in Arab countries. Kawarabi has since held several educational webinars and an inaugural yearly meeting. The groundwork for future initiatives targeted at increasing awareness and understanding of the management and the long-term outcomes of children with KD in the region was established. Data on KD in the Arab world are lacking. Kawarabi is a multicenter research collaborative organization that has the unique resources, diversified ethnic makeup, and energy, to accomplish significant advances in our understanding and management of KD and its variants.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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.
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 tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».