Influence potentielle des médicaments sédatifs et analgésiques sur le diagnostic de décès neurologique
Bibliographic record
Abstract
Mise en contexte : Le décès neurologique correspond à la perte permanente des fonctions cérébrales. La validité de son diagnostic repose sur des conditions préalables et l’exclusion des facteurs confondants. L’objectif du mémoire est d’investiguer le rôle potentiellement confondant des médicaments sédatifs et analgésiques (MSA) sur le diagnostic de décès neurologique (DDN). Méthodes : 1) Nous avons réalisé une étude de la portée des recommandations mondiales s’intéressant au rôle des médicaments sédatifs et analgésiques lors du diagnostic de décès neurologique. Nous avons extrait les informations pertinentes à nos questions et les références qui les soutiennent. 2) Nous avons réalisé une étude transversale (étude Pinkie) nichée dans la cohorte INDex « CT-Perfusion for neurological diagnostic evaluation: a prospective Canadian multicenter diagnostic test study ». Nous avons comparé les concentrations plasmatiques de MSA lors du DDN et investigué l’association statistique entre MSA et DDN. Résultats : 1) La revue de la portée a démontré la variabilité des recommandations dans le domaine et le peu de preuves qui les soutiennent. Néanmoins, 67% des recommandations suggéraient de doser les MSA lors du DDN. 2) Nous avons observé dans l’étude Pinkie que les concentrations plasmatiques de MSA sont faibles et qu’elles ne sont pas associées à la probabilité de déclarer un patient en décès neurologique. Conclusion : Dans le cadre d’un diagnostic de décès neurologique effectué selon les guides de pratique au Canada, les médicaments sédatifs et analgésiques ne sont pas associés à la probabilité de diagnostic de décès neurologique.
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 | 0.007 | 0.043 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".