Extracorporeal treatments for isoniazid poisoning : systematic review and recommendations from the EXTRIP workgroup
Notice bibliographique
Résumé
Agradecimentos: We would like to acknowledge the valuable help of our dedicated translators, librarian, data extractors, and meeting secretary. Official translators were Alexandra Angulo, Alla Abbott, Anant Vipat, Andreas Betz, Angelina Kovaleva, Denise Gemmellaro, Ewa Brodziuk, Helen Johnson, Junzheng Peng, Marcela Covic, Nathalie Eeckhout, Rosie Finnegan, Salih Topal, and Vilma Etchard. The librarian was Elena Guadagno. Data extractors for EXTRIP-2 included Maria Rif, François Filion, Karine Mardini, Maria Rif, Tudor Botnaru, Elizabeth Koo, and Gabrielle Wilson. The meeting secretary was Brenda Gallant. EXTRIP received support consisting of an unrestricted grant of $60,633 Canadian from the Verdun Research Fund (the institution of Marc Ghannoum) solely for the reimbursement of travel expenses for the in-person guideline meeting and payment to dedicated translators for retrieval and translation of foreign language articles. The funder had no role in study design, data collection, data analysis, data interpretation, or writing of the report. All of the authors had full access to all the data and had final responsibility for the decision to submit for publication
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 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) | 0,000 | 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 ».