Additional file 1 of Prevalence and prognostic value of preexisting sarcopenia in patients with mechanical ventilation: a systematic review and meta-analysis
Notice bibliographique
Résumé
Additional file 1: Table S1. PRISMA 2020 Checklist. Table S2. Search strategy by MEDLINE, Embase, The Cochrane Database of Systematic Reviews, and The Cochrane Central Register of Controlled Trials via Ovid SP. Table S3. The impact of sarcopenia on mortality in patients with MV. Table S4. The reasons for the exclusion of full-text articles. Table S5. The details of diagnosis criteria and cutoff points of each study. Table S6. Result of the Newcastle–Ottawa scale quality assessment. Fig. S1. Subgroup analysis of sarcopenia prevalence at different CT sites. Fig. S2. Meta-regression of the effect of average age on sarcopenia prevalence. Fig. S3. Meta-regression of the effect of average age on mortality. Fig. S4. The duration of mechanical ventilation. Fig. S5. The length of ICU stay. Fig. S6. The length of hospital stay. Fig. S7. Subgroup analysis of effects with different diagnostic methods on the duration of mechanical ventilation. Fig. S8. Subgroup analysis of effects with different diagnostic methods on the length of hospital stay. Fig. S9. The sensitivity analysis of prevalence. Fig. S10. The sensitivity analysis for ORs between sarcopenia and mortality. Fig. S11. Begg's and Egger's tests for publication bias of prevalence. Fig. S12. Begg's and Egger's tests for publication bias of mortality.
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 | 0,007 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,007 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,769 | 0,033 |
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 ».