Additional file 1 of National surveillance of stroke quality of care and outcomes by applying post-stratification survey weights on the Get With The Guidelines-Stroke patient registry
Notice bibliographique
Résumé
Additional file 1: eTable 1: ICD-9-CM diagnostic codes used to identify primary acute ischemic stroke hospitalizations in the National Inpatient Sample. eTable 2: Number of hospitals participating in Get With The Guidelines-Stroke per year of analysis. eTable 3: Population totals and proportions by U.S. Census Division for the raw Get With the Guideline-Stroke registry patients included in the final analysis. eTable 4: National characteristics from Table 1 with point estimates with 95% confidence intervals. eTable 5: Characteristics of ischemic stroke patients by year using raked post-stratification weighting by year to the U.S. Population. eTable 6: Characteristics of ischemic stroke patients by year using the Bayesian (flat prior) post-stratification weighting model by year to the U.S. Population. eTable 7: National Characteristics of ischemic stroke stratified by U.S. Division using Bayesian post-stratification weights for 2014. eFigure 1: Distribution of raking post-stratification weights stratified by year. eFigure 2: Distribution of Bayesian post-stratification weights stratified by year.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,016 | 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 ».