MétaCan
Menu
Retour à la cohorte
Enregistrement W4393850412 · doi:10.1016/j.ekir.2024.02.1030

WCN24-2399 PREDICTORS OF WEIGHT GAIN AFTER ONE YEAR OF KIDNEY TRANSPLANTATION: AN EXPLORATORY STUDY USING MACHINE LEARNING METHOD

2024· article· en· W4393850412 sur OpenAlexaff
Camila Corrêa, Júlia D.R. de Freitas, Elis Forcellini Pedrollo, Pedro Ballester, Cristiane Bauermann Leitão, Gabriela Freitas Pereira de Souza

Notice bibliographique

RevueKidney International Reports · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueArtificial Intelligence in Healthcare
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineKidney transplantationExploratory researchTransplantationInternal medicine

Résumé

récupéré en direct d'OpenAlex

Metabolic risk factors for the development of cardiovascular disease are extremely common in renal graft recipients. Conditions related to abnormal glucose regulation, dyslipidemia, metabolic syndrome (MS), obesity and bone diseases can interfere negatively in the post-operative outcomes and decrease graft survival. In this set, the weight gain after the transplantation appears to be multifactorial and the creation of a prediction model for this outcome should provide adjustment to correlated variables.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,829
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0030,000

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 Opus0,108
Tête enseignante GPT0,461
Écart entre enseignants0,353 · 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.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKidney International ReportsMême sujetArtificial Intelligence in HealthcareTravaux en français237 207