MétaCan
Menu
Retour à la cohorte
Enregistrement W2007329558 · doi:10.1089/jwh.2015.5671

The Food and Drug Administration Office of Women's Health: Impact of Science on Regulatory Policy: An Update

2016· article· en· W2007329558 sur OpenAlexaff
Merina Elahi, Noha Eshera, Nkosazana Bambata, Helen M. Barr, Beverly Lyn‐Cook, Julie Beitz, María Rios, Deborah R. Taylor, Marilyn M. Lightfoote, N S Hanafi, Lowri DeJager, Paddy Wiesenfeld, Pamela E. Scott, Emmanuel O. Fadiran, Marsha B. Henderson

Notice bibliographique

RevueJournal of Women s Health · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueSex and Gender in Healthcare
Établissements canadiensWomen's Health In Women's Hands
Organismes subventionnairesOffice of Women's HealthOak Ridge Institute for Science and EducationU.S. Food and Drug AdministrationU.S. Department of Energy
Mots-clésFood and drug administrationMedicineDiscontinuationProduct (mathematics)Environmental healthDiseaseAlternative medicineGerontologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

The U.S. Food and Drug Administration Office of Women's Health (FDA OWH) has supported women's health research for ∼20 years, funding more than 300 studies on women's health issues, including research on diseases/conditions that disproportionately affect women in addition to the evaluation of sex differences in the performance of and response to medical products. These important women's health issues are studied from a regulatory perspective, with a focus on improving and optimizing medical product development and the evaluation of product safety and efficacy in women. These findings have influenced industry direction, labeling, product discontinuation, safety notices, and clinical practice. In addition, OWH-funded research has addressed gaps in the knowledge about diseases and medical conditions that impact women across the life span such as cardiovascular disease, pregnancy, menopause, osteoporosis, and the safe use of numerous medical products.

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)0,041
score de la tête « metaresearch » (Gemma)0,069
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,215

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0410,069
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0080,012
Études des sciences et des technologies0,0020,005
Communication savante0,0100,014
Science ouverte0,0040,004
Intégrité de la recherche0,0160,014
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,038
Tête enseignante GPT0,389
Écart entre enseignants0,352 · 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'étudeSans objet
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

Citations25
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Women s HealthMême sujetSex and Gender in HealthcareTravaux en français237 207