Additional file 1: of Gender-specific risk factors for gout: a systematic review of cohort studies
Notice bibliographique
Résumé
Table S1. The results of the quality appraisal of the included articles using the Newcastle-Ottawa Scale (NOS). Table S2. Risk estimates for developing gout based on age. Table S3. Risk estimates for developing gout based on ethnicity. Table S4. Risk estimates for developing gout based on diet. Table S5. Risk estimates for developing gout based on caffeine consumption. Table S6. Risk estimates for developing gout based on fructose consumption. Table S7. Risk estimates for developing gout based on vitamin C consumption. Table S8. Risk estimates for developing gout based on alcohol consumption. Table S9. Risk estimates for developing gout based on metabolic syndrome. Table S10. Risk estimates for developing gout based on body mass index (BMI). Table S11. Risk estimates for developing gout based on waist and chest circumference. Table S12. Risk estimates for developing gout based on waist-to-hip ratio. Table S13. Risk estimates for developing gout based on weight change. Table S14. Risk estimates for developing gout based on diabetes mellitus. Table S15. Risk estimates for developing gout based on dyslipidaemias. Table S16. Risk estimates for developing gout based on renal disease. Table S17. Risk estimates for developing gout based on hypertension. Table S18. Risk estimates for developing gout based on diuretic use. Table S19. Risk estimates for developing gout based on psoriasis and psoriatic arthritis (PsA). Table S20. Risk estimates for developing gout based on anti-diabetic medication. (DOCX 149 kb)
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 | 0,006 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,011 | 0,016 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,638 | 0,022 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».