MỘT SỐ ĐẶC ĐIỂM GÁNH NẶNG CỤC MÁU ĐÔNG Ở BỆNH NHÂN NHỒI MÁU NÃO CẤP TÍNH
Classification
machine, unvalidatedMachine predicted; both teacher heads 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".
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Mục tiêu: Phân tích một số đặc điểm gánh nặng cục máu đông ở bệnh nhân (BN) nhồi máu não giai đoạn cấp. Phương pháp nghiên cứu: Nghiên cứu mô tả cắt ngang có phân tích trên 124 BN nhồi máu não cấp điều trị tại Bệnh viện Quân y 110 từ tháng 02/2018 - 5/2019. Điểm gánh nặng cục máu đông (clot burden score - CBS) được đánh giá trên phim chụp cắt lớp vi tính có thuốc cản quang (computed tomography angiography - CTA). CBS = 10 là không có cục máu đông; CBS càng thấp thì càng có nhiều cục máu đông. Kết quả: 85,5% BN có CBS > 6 và 14,5% có CBS ≤ 6. So với nhóm BN có CBS > 6, nhóm BN có CBS ≤ 6 có điểm NIHSS (National Institutes of Health Stroke Scale), GCS (Glasgow Coma Scale) và ASPECTS (Alberta Stroke Program Early CT Score) thấp hơn, độ liệt chi nặng hơn, sự khác biệt có ý nghĩa thống kê với p < 0,001. Phân tích hồi quy đa biến cho thấy chỉ có ASPECTS có mối liên quan tới CBS với OR 2,65; CI 95%, 2,96 - 67,5, p < 0,001. Kết luận: Ở BN nhồi máu não, điểm NIHSS, GCS, ASPECTS và độ nặng của liệt chi có mối liên quan với CBS, trong đó ASPECTS có mối liên quan độc lập ở mô hình hồi quy đa biến.
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 | 0.005 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.000 | 0.003 |
| Science and technology studies | 0.003 | 0.007 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.005 | 0.010 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.029 | 0.006 |
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 it