Les meilleures études en 2022 adéquates pour les soins de première ligne
Bibliographic record
Abstract
Objectif Faire la synthèse de 10 articles médicaux de grande qualité, publiés en 2022, qui présentent un intérêt manifeste pour les médecins de soins primaires. Sélection des données probantes L’équipe du groupe PEER (Patients, Expérience, Évidence, Recherche), formée de professionnels des soins primaires qui s’intéressent à la médecine fondée sur des données probantes, a effectué une surveillance systématique des tables des matières dans des revues médicales pertinentes et dans EvidenceAlerts. Message principal Les articles publiés en 2022 qui étaient les plus susceptibles d’influer sur la pratique des soins primaires examinaient les sujets suivants : la réduction du sodium alimentaire pour l’insuffisance cardiaque; la chronologie des médicaments antihypertenseurs pour réduire les paramètres cardiovasculaires; l’ajout, au besoin, de corticostéroïdes aux inhalateurs de secours pour les exacerbations de l’asthme; la vaccination contre la grippe après un infarctus du myocarde; une comparaison de divers médicaments pour le contrôle du diabète; le tirzépatide pour la perte pondérale; les régimes faibles en FODMAP pour le syndrome du côlon irritable; le jus de pruneaux pour la constipation; l’impact d’un usage régulier d’acétaminophène sur les patients hypertendus; le temps requis pour les soins aux patients en soins primaires. Deux études « avec mention honorable » ont aussi été résumées. Conclusion La recherche publiée en 2022 a produit plusieurs articles de grande qualité sur divers problèmes d’intérêt en soins primaires, dont l’hypertension, l’insuffisance cardiaque, l’asthme et le diabète.
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 | 0.029 | 0.099 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.004 |
| Bibliometrics | 0.009 | 0.008 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.048 | 0.011 |
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".