Bibliographic record
Abstract
L'incidence du délirium dans les patients atteints d'un cancer avancé peut atteindre jusqu'à 90% dans les jours qui précèdent la mort. L'hydratation en fin de vie a fait preuve d'efficacité en l'amélioration du délirium, cependant, son association avec l'évolution du délirium n'a pas encore été déterminée. Donc, l'objectif de cette étude est d'estimer l'étendue à laquelle l'hydratation et les facteurs de risque reliés au délirium influencent l'évolution de celui-ci en fin de vie. Les données pour cette étude ont été obtenues d'une base de données de 2515 personnes recevant des soins palliatifs dans des centres au Québec et à l'Ontario. Les personnes qui répondaient aux critères d'échantillonnage d'un essai clinique pseudo ont été inclues dans l'étude. Une analyse de trajectoires et une analyse de régression linéaire multiple ont été utilisés afin d'identifier des sous-groupes d'individus avec des trajectoires de délirium semblables lors des 30 premiers jours d'admission et de déterminer quels facteurs de risque influencent l'appartenance à ces groupes. Un modèle à trajectoires de délirium de six groupes convenait le mieux aux données. L'hydratation ne prédisait aucune appartenance aux groupes de délirium. Les études futures devraient se concentrer sur l'estimation de l'effet indirect de l'hydratation sur le délirium.
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 | 0.003 | 0.017 |
| 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 | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".