Mortalidad en las enfermedades reumáticas: un metaanálisis
Bibliographic record
Abstract
Introduccion Losdatos de mortalidad en las enfermedades reumaticas es muy variable. El objetivo de esta revision sistematica y meta-analisis de datos publicados es proporcionar una vision general mas precisa del riesgo actual y mortalidad en las enfermedades reumaticas. Metodos Revision sistematica y meta-analisis de estudios publicados e identificados por una busqueda utilizando texto libre y sinonimos MeSH de �mortalidad� y �enfermedades reumaticas�, en general, y por diagnosticos especificos. Los criterios de seleccion fueron: 1) poblacion de estudio con artritis reumatoide, lupus eritematoso sistemico, esclerosis sistemica, vasculitis, osteoartritis, osteoporosis, dermatomiositis, o espondiloartritis, 2) resultados de mortalidad de interes, reportados como SMR, o facilmente calculados a partir de los datos comunicados, y 3) cohortes longitudinales o estudios observacionales. Evaluacion del riesgo de sesgo basado en la escala de cohortes New Castle-Ottawa, solo estudios de moderada a alta calidad fueron incluidos. Se calculo meta-SMR para diagnosticos especificos. La heterogeneidad se estudio con meta-regresion. Resultados Un total de 32 estudios fueron incluidos, ninguno de espondiloartritis o osteoartritis. El SMR general combinada fue 2,03 (IC 95%: 1,79 a 2,29), desde 1,36 en la artritis psoriasica a 4,80 en las vasculitis. El mayor SMR general individual fue a partir de estudios sobre enfermedades inflamatorias, y SMR especificos fueron muy altos para las infecciones y reacciones pulmonares. La heterogeneidad entre los estudios era grande, sin embargo, el analisis de heterogeneidad dentro de las enfermedades no presento ninguna asociacion con las variables recogidas. Conclusiones En base a los resultados y la buena calidad de los estudios incluidos, se puede concluir que las enfermedades reumaticas en general aumentan el riesgo de muerte, y especialmente las enfermedades inflamatorias.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.019 | 0.032 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.005 | 0.019 |
| Bibliometrics | 0.010 | 0.009 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".