Pain characteristics in patients with cancer – analysis of the problems in pain management and palliative care
Notice bibliographique
Résumé
AMA Kosowicz M, Kulpa M, Góraj E, Ciuba A, Stypuła-Ciuba B. Pain characteristics in patients with cancer – analysis of the problems in pain management and palliative care. Medycyna Paliatywna/Palliative Medicine. 2024. doi:10.5114/pm.2023.134857. APA Kosowicz, M., Kulpa, M., Góraj, E., Ciuba, A., & Stypuła-Ciuba, B. (2024). Pain characteristics in patients with cancer – analysis of the problems in pain management and palliative care. Medycyna Paliatywna/Palliative Medicine. https://doi.org/10.5114/pm.2023.134857 Chicago Kosowicz, Mariola, Marta Kulpa, Elwira Góraj, Amelia Ciuba, and Beata Jadwiga Stypuła-Ciuba. 2024. "Pain characteristics in patients with cancer – analysis of the problems in pain management and palliative care". Medycyna Paliatywna/Palliative Medicine. doi:10.5114/pm.2023.134857. Harvard Kosowicz, M., Kulpa, M., Góraj, E., Ciuba, A., and Stypuła-Ciuba, B. (2024). Pain characteristics in patients with cancer – analysis of the problems in pain management and palliative care. Medycyna Paliatywna/Palliative Medicine. https://doi.org/10.5114/pm.2023.134857 MLA Kosowicz, Mariola et al. "Pain characteristics in patients with cancer – analysis of the problems in pain management and palliative care." Medycyna Paliatywna/Palliative Medicine, 2024. doi:10.5114/pm.2023.134857. Vancouver Kosowicz M, Kulpa M, Góraj E, Ciuba A, Stypuła-Ciuba B. Pain characteristics in patients with cancer – analysis of the problems in pain management and palliative care. Medycyna Paliatywna/Palliative Medicine. 2024. doi:10.5114/pm.2023.134857.
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 ».