Bibliographic record
Abstract
Question Un enfant vient à ma clinique et se plaint d’une épistaxis récurrente, notamment de plusieurs épisodes par année depuis qu’il est tout petit. Les saignements de nez se produisent dans les 2 narines et durent souvent longtemps, sans qu’il y ait de tendances saisonnières apparentes. Quelles sont les interventions sûres et efficaces pour l’épistaxis chez les enfants, et chez quels patients des analyses hématologiques s’imposeraient-elles? Réponse L’épistaxis se produit chez plus de la moitié des enfants avant qu’ils aient atteint l’âge de 10 ans, et on rapporte que chez 9 % des enfants, les épisodes sont récurrents. Dans la plupart des cas, l’affection est d’origine bénigne et ne nécessitera pas d’investigation plus poussée. Pour ceux qui demandent une intervention, l’hydratation des muqueuses nasales, comme l’application d’émollients ou l’humidification, règle jusqu’à 65 % des cas, et de nombreuses nouvelles interventions se sont révélées prometteuses dans leurs études initiales respectives. Il a été démontré que des questionnaires normalisés sur les saignements sont utiles dans la prise de décisions sur la poursuite d’autres analyses de la coagulation, en tenant compte des caractéristiques historiques comme la fréquence, la durée, le site des saignements, les corrélations saisonnières et la gravité.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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".