Endocrinology: What You May Have Missed in 2024
Notice bibliographique
Résumé
During 2024, there were many practice-changing innovations in the field of endocrinology, particularly related to the use of glucagon-like peptide-1 receptor agonists (GLP-1RAs). From the substantial new evidence published in 2024, 10 studies are highlighted that offer critical information for clinicians who manage or comanage patients with endocrine disorders including prediabetes, diabetes, obesity, and hyperparathyroidism. Two of the 10 articles are focused on use of GLP-1RAs in multiple clinical settings not studied in the original GLP-1RA trials, including after bariatric surgery and before endoscopy. Two additional studies focused on GLP-1RA explore the risk for thyroid cancer in patients prescribed GLP-1RA and the effect of a GLP-1RA on chronic kidney disease in patients with type 2 diabetes. Three articles investigate opportunities for deintensification of insulin frequency or an alternate method of insulin delivery in patients with type 2 diabetes. One article explores the cardiometabolic effects of intermittent fasting in persons with prediabetes and type 2 diabetes. The last 2 articles explore the incidence of diabetes after SARS-CoV-2 infection and the skeletal effects of parathyroidectomy as a treatment of hyperparathyroidism. The results of each study have a direct effect on the delivery of care for patients with prediabetes, type 2 diabetes, and hyperparathyroidism.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,008 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,051 | 0,026 |
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 source (Gemma direct ou Codex distillé), 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 ».