MétaCan
Menu
← Retour à la cohorte
Enregistrement W6958453448 · doi:10.6084/m9.figshare.22621730.v1

Additional file 1 of Association between periodontitis and uric acid levels in blood and oral fluids: a systematic review and meta-analysis

2023· article· en· W6958453448 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2023
Typearticle
Langueen
DomaineDentistry
ThématiqueOral microbiology and periodontitis research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPeriodontitisSensitivity (control systems)Confidence intervalMeta-analysisForest plotUric acidTable (database)

Résumé

récupéré en direct d'OpenAlex

Additional file 1: Table S1. The characteristics of excluded studies. Table S2. Quality assessment of the included case-control studies with Newcastle-Ottawa Scale. Table S3. Agency for Healthcare Research and Quality for risk of bias assessment of the cross-sectional studies. Figure S1. Sensitivity analysis of the relationship between periodontitis and controls of UA levels in blood. In these studies, no clearly heterogeneous origin could be found. Figure S2. Forest plot comparing UA levels of periodontitis vs. control in plasma/serum subgroups. CI, confidence interval; WMD, weighted mean difference. Figure S3. Forest plot comparing the salivary UA levels of periodontitis vs control before sensitivity analysis. There was a high heterogeneity among the studies (I2 = 88.6%, P < 0.001). Therefore, sensitivity analysis should be performed to find sources of heterogeneity. SMD, standardized mean difference. Figure S4. Sensitivity analysis of the relationship between periodontitis and controls of UA levels in saliva. A sensitivity analysis was performed to explore potential sources of heterogeneity. Statistical heterogeneity was decreased obviously, indicating that they were likely the source of heterogeneity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,064
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,223
Score d'incertitude au seuil0,318

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,064
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,005
Bibliométrie0,0060,009
Études des sciences et des technologies0,0010,000
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,7770,027

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 Opus0,087
Tête enseignante GPT0,321
Écart entre enseignants0,234 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetOral microbiology and periodontitis research→Travaux en français237 207→