Les meilleures études de 2021 adéquates pour les soins de première ligne
Bibliographic record
Abstract
<h3>Résumé</h3> <h3>Objectif</h3> Résumer 10 études ou lignes directrices de grande qualité publiées en 2021 qui présentent un intérêt marqué pour les médecins qui ont une pratique familiale complète. <h3>Sélection des données probantes</h3> L’équipe PEER (<i>Patients, Experience, Evidence, Research</i>), un groupe de professionnels de la santé dont la recherche s’intéresse à la médecine fondée sur les données probantes et à la médecine de première ligne, a systématiquement surveillé les résumés publiés dans les revues savantes importantes et dans EvidenceAlerts. L’équipe PEER a passé au crible, sélectionné et placé les résumés en ordre d’importance. <h3>Message principal</h3> Les articles publiés en 2021 qui influeront le plus probablement sur la pratique de première ligne traitent des sujets suivants : empagliflozine contre l’insuffisance cardiaque avec fraction d’éjection préservée; sémaglutide pour perdre du poids; arrêter les antidépresseurs en première ligne; budésonide par inhalation contre la COVID-19; acide acétylsalicylique en prévention de la prééclampsie; quart de dose d’antihypertenseurs contre l’hypertension; contrôle énergique de la tension artérielle chez les patients âgés; méthode kangourou pour les nouveau-nés de faible poids; chaussures pour la gonarthrose; et report de l’antibiothérapie pour les infections respiratoires pédiatriques. On jette également un coup d’œil rapide à deux « mentions honorables ». <h3>Conclusion</h3> En 2021, la recherche a produit plusieurs études de grande qualité dans le domaine des soins cardiovasculaires, mais elle a également porté sur une gamme d’affections présentant un intérêt pour les soins de première ligne, dont la perte pondérale, la dépression et la COVID-19.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".