MétaCan
Menu
Retour à la cohorte
Enregistrement W1965136582 · doi:10.2174/1874325001105010276

Tissue Engineering Stem Cells – An e-Governance Strategy

2011· article· en· W1965136582 sur OpenAlexaff
Simon Grange

Notice bibliographique

RevueThe Open Orthopaedics Journal · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueBiomedical Ethics and Regulation
Établissements canadiensAlberta Bone and Joint Health InstituteUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésScope (computer science)MedicineRelevance (law)Corporate governancePsychological interventionRisk analysis (engineering)Engineering ethicsKnowledge managementProcess managementBusinessComputer sciencePolitical scienceEngineeringNursing

Résumé

récupéré en direct d'OpenAlex

The rules of governance are changing. They are necessarily becoming more stringent as interventions offered to treat conditions carry unpredictable side effects, often associated with novel therapeutic vectors. The clinical relevance of this relates to the obligations of those involved in research, to ensure the best protection for subjects whilst encouraging the development of the field. Existing evidence supports the concept of e-Governance both in operational health research and more broadly in the strategic domain of policy formation. Building on the impact of the UK Comprehensive Research Network and recent EU Directives, it is now possible to focus on the issues of regulation for cell therapies in musculoskeletal science through the development of the Advanced Therapeutic Medicinal Products (ATMP) category of research products. This article reviews the framework that has borne this and the need for more detailed Virtual Research Integration and Collaboration (VRIC) systems to ensure regulatory compliance. Technology research and development plans must develop in close association between tissue engineering and treating clinicians. The scope of this strategy relates to the handling of human tissues the transport and storage of specimens in accordance with current EU directives and the Human Tissue Authority (HTA) regulations.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,039
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,207

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0390,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,005
Communication savante0,0090,007
Science ouverte0,0020,007
Intégrité de la recherche0,0060,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,076
Tête enseignante GPT0,306
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Open Orthopaedics JournalMême sujetBiomedical Ethics and RegulationTravaux en français237 207