MétaCan
Menu
Retour à la cohorte
Enregistrement W1975306952 · doi:10.1111/zph.12128

Introduction to Systematic Reviews in Animal Agriculture and Veterinary Medicine

2014· review· en· W1975306952 sur OpenAlexafffund
Jan M. Sargeant, Annette M. O’Connor

Notice bibliographique

RevueZoonoses and Public Health · 2014
Typereview
Langueen
DomaineDecision Sciences
ThématiqueMeta-analysis and systematic reviews
Établissements canadiensUniversity of Guelph
Organismes subventionnairesCanadian Institutes of Health ResearchPublic Health Agency of Canada
Mots-clésSystematic reviewSelection (genetic algorithm)MEDLINEAlternative medicineAnimal agricultureInclusion (mineral)MedicineGrey literatureManagement scienceAgricultureVeterinary medicineComputer sciencePsychologyPolitical sciencePathologyBiologyEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This article is the first in a series of six articles related to systematic reviews in animal agriculture and veterinary medicine. In this article, we overview the methodology of systematic reviews and provide a discussion of their use. Systematic reviews differ qualitatively from traditional reviews by explicitly defining a specific review question, employing methods to reduce bias in the selection and inclusion of studies that address the review question (including a systematic and specified search strategy, and selection of studies based on explicit eligibility criteria), an assessment of the risk of bias for included studies and objectively summarizing the results qualitatively or quantitatively (i.e. via meta-analysis). Systematic reviews have been widely used to address human healthcare questions and are increasingly being used in veterinary medicine. Systematic reviews can provide veterinarians and other decision-makers with a scientifically defensible summary of the current state of knowledge on a topic without the need for the end-user to read the vast amount of primary research related to that topic.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,196
score de la tête « metaresearch » (Gemma)0,059
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Méta-épidémiologie (sens large), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,816
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,1960,059
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0220,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,775
Tête enseignante GPT0,565
Écart entre enseignants0,210 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations69
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueZoonoses and Public HealthMême sujetMeta-analysis and systematic reviewsTravaux en français237 207