MétaCan
Menu
← Retour à la cohorte
Enregistrement W2061207027 · doi:10.1017/s0714980809990080

Feasibility of Biological Specimen Collection for the Canadian Longitudinal Study on Aging (CLSA) Biorepository

2009· article· fr· W2061207027 sur OpenAlexafffundabout
Cynthia Balion, Parminder Raina, Christina Wolfson, Susan Kirkland, Judy L. Keys, Lauren E. Griffith, Amélie Pelletier, Jennifer Uniat, Matthew McQueen

Notice bibliographique

RevueCanadian Journal on Aging / La Revue canadienne du vieillissement · 2009
Typearticle
Languefr
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensDalhousie UniversityMcGill UniversityMcGill University Health CentreMcMaster UniversityHamilton Regional Laboratory Medicine Program
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésHumanitiesBiorepositoryPsychologyArtBiologyBiobank

Résumé

récupéré en direct d'OpenAlex

ABSTRACTBiological specimen collection is an integral part of many longitudinal epidemiological studies. It is important to achieve high participant satisfaction for continuing involvement, and high sample quality for accurate biomarker measurement. We conducted a study to evaluate these issues on the sample collection proposed for the Canadian Longitudinal Study on Aging (CLSA). There were 85 participants recruited, and 65 attended either a hospital laboratory or private laboratory. Approximately 100 mL of blood and a random urine specimen were collected from each participant for a total of 2,108 sample aliquots. Quality standards were met for more than 90 per cent of samples and were similar for samples collected in both laboratories. More than 90 per cent of participants rated satisfaction with the collection as being good or excellent, and 84 per cent would be willing to repeat the collection in one to three years.

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)0,068
score de la tête « metaresearch » (Gemma)0,077
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,456
Score d'incertitude au seuil0,917

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0680,077
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0060,002
Communication savante0,0020,001
Science ouverte0,0030,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,003

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 Opus0,291
Tête enseignante GPT0,384
Écart entre enseignants0,093 · 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'étudeObservationnel
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

Citations5
Publié2009
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal on Aging / La Revue canadienne du vieillissement→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→