MétaCan
Menu
Retour à la cohorte
Enregistrement W2030439477 · doi:10.4155/bio.12.136

Ensuring High Quality in Anti-Doping Laboratories

2012· review· en· W2030439477 sur OpenAlexaff
Thierry Boghosian, Osquel Barroso, V. Ivanova, Olivier Rabin

Notice bibliographique

RevueBioanalysis · 2012
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePesticide Residue Analysis and Safety
Établissements canadiensWorld Anti-Doping Agency
Organismes subventionnairesnon disponible
Mots-clésExternal quality assessmentAccreditationCompetence (human resources)Agency (philosophy)Medical physicsQuality management systemQuality (philosophy)Quality assuranceMedicineBusinessComputer scienceMedical educationQuality managementPsychologyPathologyService (business)Physics

Résumé

récupéré en direct d'OpenAlex

The worldwide network of World Anti-Doping Agency (WADA)-accredited anti-doping laboratories plays a fundamental role in supporting the global fight against doping in sport. This role is dependent on the ability to provide accurate, reliable and comparable data in identifying and measuring the presence of prohibited substances and methods. The accredited laboratories participate in WADA's External Quality Assessment Scheme (EQAS) program, which provides the structure to continuously assess and improve laboratory performance in compliance to the requirements of the International Standard for Laboratories and related Technical Documents. The WADA EQAS is comprised of various programs, including a blind EQAS, a double-blind EQAS and an educational EQAS, each with specific goals with regard to monitoring and improving laboratory competence. In this article, the anti-doping rules and processes that govern granting and maintenance of WADA laboratory accreditation, aimed at ensuring a high-quality of laboratory operations within the framework of the global fight against doping in sport, are reviewed.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,097
Tête enseignante GPT0,330
Écart entre enseignants0,233 · 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
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

Citations5
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioanalysisMême sujetPesticide Residue Analysis and SafetyTravaux en français237 207