ĐẶC ĐIỂM LÂM SÀNG VÀ CẬN LÂM SÀNG CỦA NGƯỜI BỆNH VIÊM LOÉT ĐẠI TRÀNG MẠN TÍNH CÓ LO ÂU
Bibliographic record
Abstract
Mục tiêu: Mô tả đặc điểm lâm sàng, cận lâm sàng của người bệnh viêm loét đại tràng mạn tính có lo âu tại Trung tâm Tiêu hóa – Gan mật, Bệnh viện Bạch Mai năm 2024-2025. Phương pháp nghiên cứu: Bao gồm 34 người bệnh viêm loét đại tràng mạn tính có lo âu đến khám và điều trị tại Trung tâm Tiêu hóa – Gan mật, Bệnh viện Bạch Mai từ tháng 8/2024 đến tháng 8/2025. Người bệnh được chẩn đoán xác định có lo âu trầm cảm bằng điểm Zung. Kết quả: Nam nhiều hơn nữ (67,6% so với 32,4%). Nhóm lo âu nhẹ chủ yếu có thời gian mắc bệnh trên 5 năm, còn nhóm lo âu vừa-nặng đa phần thuộc nhóm mắc bệnh trên 5 năm. Đa số người bệnh có biểu hiện đau bụng với 85,3%, và đại tiện phân máu (70,6%). Đa số người bệnh thuộc giai đoạn Baron giai đoạn 3 (35,0%), phạm vi tổn thương Montreal ở đại tràng trái E2 (35,0%), bảng điểm Mayo mức độ vừa (40,0%), mức độ mô bệnh học vừa (35,0%) và mức độ nặng theo Truelove-witts vừa (35,0%). Nhóm lo âu vừa-nặng có tỉ lệ gặp điểm Mayo mức độ nặng và điểm Truelove-Witts nặng cao hơn so với nhóm lo âu nhẹ. Kết luận: Người bệnh viêm loét đại tràng mạn tính có lo âu mức độ vừa-nặng có biểu hiện lâm sàng, cận lâm sàng nặng hơn so với nhóm mức độ nhẹ.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.155 | 0.069 |
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".