New methods in diagnostic and therapy Catheter-directed pharmacomechanical thrombolysis for the management of deep vein thrombosis
Bibliographic record
Abstract
Nowe metody w diagnostyce i terapii/New methods in diagnostic and therapy WstępZakrzepica żył głębokich (ZŻG, ang.deep vein thrombosis) (ryc.1.), będąca obok zatorowości płucnej (ZP, ang.pulmonary embolism) (ryc.2.) objawem żylnej choroby zakrzepowo-zatorowej (ŻChZZ, ang.venous thromboembolism), pozostaje poważnym problem współczesnej medycyny.Według definicji ZŻG to powstanie zakrzepu w żyłach pod powięzią głęboką kończyny (w ok.90% dolnej), ale tradycyjnie określenie to obejmuje również zakrzepicę żył biodrowych oraz żył przeszywających [1].Biorąc pod uwagę miejsce powstania zakrzepu w układzie żylnym kończyn dolnych, ZŻG można podzielić na dystalną (żył piszczelowych i strzałkowych) oraz proksymalną -stanowiącą większe zagrożenie dla zdrowia i życia, a dotyczącą żyły podkolanowej, udowej i biodrowej.Masywna, ostra zakrzepica żylna obejmująca większość żył odprowadzających krew z kończyny może przyjąć postać bolesnego obrzęku białego (ang.phlegmasia alba dolens) lub siniczego (ang.phlegmasia cerulea dolens) [1].Dokładne ustalenie liczby zachorowań na ZŻG jest trudne, ale na podstawie badania VITAE (Venous Thrombo-Embolism Impact Assessment Group in Europe) oszacowano, że w sześciu krajach Unii Europejskiej (ok.310 mln mieszkańców) rocznie stwierdza się ponad 450 tys.przypadków objawowej ZŻG [2].W Stanach Zjednoczonych na objawową ŻChZZ choruje ponad 600 tys.pacjentów rocznie [3].Ekstrapolując te wyniki na populację mieszkańców Polski, należy założyć, że objawowa ZŻG występuje rocznie
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 | 0.015 | 0.019 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.003 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.029 | 0.021 |
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".