Bibliographic record
Abstract
Introdução: O objectivo desta revisão é avaliar a segurança e custo-efectividade de um programa de rastreio de Helicobacter pylori. Metodologia: Pesquisámos o Cochrane Central Register of Controlled Trials, o Cochrane Database of Systematic Reviews e o NHS Database of Abstracts of Reviews of Effectiveness; MEDLINE; EMBASE; SilverPlatter, Biological Abstracts and Science Citation Index-Expanded. Usámos os termos de pesquisa Helicobacter pylori e (diagnos$ or identif$ or find$) e (systematic review$ or meta-anal$), e pesquisámos artigos de todas as línguas limitando a pesquisa a humanos. Avaliação do Nível de Evidência: usámos o sistema de classificação da revista American Family Physician: Nível A (ensaios clínicos aleatorizados/meta-análises). Nível B (outras fontes de evidência). Nível C (consensos/ opinião de peritos). Resultados: Testes serológicos: os níveis de anticorpos persistem no soro durante vários anos e não nos permitem distinguir entre infecção presente e passada ou identificar o insucesso do tratamento. Testes de saliva e urina: um teste de saliva tinha sensibilidade de 81% e especificidade de 73%; um teste de urina tinha sensibilidade de 86-89% e especificidade de 69-91%. Testes respiratórios com ureia: os testes têm uma sensibilidade e especificidade altas mas requerem equipamento caro. Teste fecal: demonstrou uma alta sensibilidade e especificidade. O European Helicobacter study group recomenda a utilização do teste respiratório com ureia ou o teste fecal no diagnóstico inicial de H. Pylori. Os testes de sequenciação genética demonstraram elevada sensibilidade e especificidade. Endoscopia: é invasiva, desconfortável e cara. O custo-efectividade dos testes para o H. Pylori: a maior precisão dos testes fecal e respiratório, apesar do seu custo, fazem com que sejam mais custo-efectivos do que a serologia ou outros testes. Conclusões: Existem testes com boa sensibilidade e especificidade. Foram examinados os custos dos testes não-invasivos aceitáveis para os pacientes: um maior custo-efectividade do teste fecal e, particularmente, do teste respiratório da ureia em relação aos testes serológicos foi determinado numa revisão sistemática. Seria necessário implementar e testar o custo-efectividade de estratégias nacionais de rastreio.
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 | 0.002 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
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".