Primaari sklerosoiva kolangiitti Varsinais-Suomen sairaanhoitopiirissä
Notice bibliographique
Résumé
Tutkimuksessa selvitettiin Varsinais-Suomen sairaanhoitopiirin primaaria sklerosoivaa kolangiittia sairastavien potilaiden lukumäärää, ikä- ja sukupuolijakaumaa, sekä tulehduksellisten suolistosairauksien esiintyvyyttä vuosina 2010–2020. Lisäksi selvitettiin taudinkulkua sekä taudin komplikaatioiden kuten maksansiirtojen ja maligniteettien esiintyvyyttä potilasaineistossa. \nTutkimuksen potilasaineisto kerättiin Uranus-potilastietojärjestelmästä hakutermeillä PSC, sklerosoiva kolangiitti, sklerosoiva sappitulehdus ja cholangitis sclerosans ja ICD-10-koodilla K83.0 (muut sappitiesairaudet). Tutkimukseen rajautui haetun potilasaineiston läpikäynnin jälkeen 89 potilaan joukko, joilta kerättiin perustiedot, tiedot primaarista sklerosoivasta kolangiitista sekä mahdollisesta tulehduksellisesta suolistosairaudesta. Tilastolliset analyysit suoritettiin SAS-järjestelmän Windowsversiota 9.4 (SAS Institute Inc., Cary, NC, USA) \nTutkimuksessa primaarin sklerosoivan kolangiitin esiintyvyys Varsinais-Suomen sairaanhoitopiirissä oli yhtenevä muun Suomen esiintyvyyden kanssa, joskin muun suomen esiintyvyyden alarajoilla. Naispotilaiden osuus sukupuolijakaumassa oli hieman suurempi muuhun aineistoon verrattuna. Miehillä tauti diagnosoitiin keskimäärin nuorempana, ja diagnoosivaiheessa tauti esiintyi sappitiepuustossa laajaalaisemmin kuin naisilla. Aineiston potilailla 76 %:lla oli jokin tulehduksellinen suolistosairaus. Enemmistöllä potilaista esiintyvän haavaisen paksusuolitulehduksen osuus potilasaineistossa oli keskimääräistä pienempi, kun taas välimuotoisen koliitin osuus oli verrokkiaineistoa suurempi. Tutkimuksen päätetapahtumista yleisin oli maksansiirto, johon joutui 12 potilasta. Perussairauteen liittyvä kuolleisuus oli tutkimuksessa 2,2 % ja kuolinsyy kuolemissa oli kolangiokarsinooma.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,005 |
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; les deux têtes enseignantes 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 ».