10.1016/j.bjorlp.2021.01.001
Bibliographic record
Abstract
Resumo Introdução: A epistaxe recorrente é uma doença comumente vista por especialistas em otorrinolaringologia, médicos de emergência e pediatras. O fato de que muitas modalidades de tratamento estejam sendo pesquisadas e nenhum método único de tratamento seja universalmente aceito apoiam ainda mais essa informação. Objetivo: Comparar a eficácia clínica do uso de pomada antisséptica tópica, pomada descongestionante tópica e tratamentos de cauterização química, que são frequentemente usados em epistaxe anterior recorrente, tanto isoladamente como em combinação. Método: Entre agosto de 2017 e fevereiro de 2018, 137 pacientes diagnosticados com epistaxe anterior recorrente foram divididos aleatoriamente em 5 grupos. O grupo I foi tratado com pomada antisséptica tópica, o grupo II com pomada descongestionante tópica, o grupo III foi submetido a cauterização química, o grupo IV foi tratado com pomada antisséptica tópica + cauterização química e o grupo V com pomada descongestionante tópica + tratamento de cauterização química. Todos os pacientes foram contatados por telefone 2 semanas e um mês após o tratamento e perguntados sobre a presença (falha) ou ausência (sucesso) de pelo menos um episódio de epistaxe. Pacientes com comorbidades foram excluídos. O sucesso do tratamento foi analisado estatisticamente. Resultados: Não houve diferença significante (p > 0,05) entre os grupos em relação à taxa de sucesso no 15° dia após o tratamento. Os grupos IV e V tiveram maiores taxas de sucesso no 30° dia após o tratamento em comparação com os grupo I e II (p < 0,05). No grupo III, o sucesso do tratamento no 30° dia não foi diferente dos outros 4 grupos (p > 0,05). Conclusão: Embora o número de pacientes que melhoraram com a cauterização química (grupo III) tenha sido maior em nosso estudo, nenhuma diferença significante foi observada nas modalidades de tratamento único (grupos I – III) no 14° dia e no 30° dia após o tratamento. Embora não tenha sido observada diferença estatisticamente significante entre os tratamentos combinados (grupos IV – V) e os tratamentos simples (grupos I – III) na 2ª semana após o tratamento, os tratamentos combinados foram significantemente mais eficazes no 1° mês.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.004 | 0.002 |
| Insufficient payload (model declined to judge) | 0.670 | 0.637 |
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; the direct Gemma label and the distilled Codex classifier agree on what is shown here.
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".