Notice bibliographique
Résumé
Malgré ses progrès, la recherche biomédicale demeure incapable de donner une explication claire et consensuelle de l’augmentation de l’incidence de certaines maladies. Prenons le cas des cancers : si la grande majorité des cancers du poumon sont, sans aucune ambiguïté, attribuables à la consommation de tabac, l’augmentation de la fréquence des lymphomes malins non hodgkiniens, des tumeurs cérébrales, du cancer du pancréas, de la prostate, du cancer du sein ou des leucémies de l’enfant reste mal comprise. L’incertitude pèse notamment sur le rôle de l’environnement. Les expositions différentielles aux substances chimiques contenues dans l’eau, les sols, l’air ou l’alimentation, que ce soit dans la sphère privée, les lieux publics ou en milieu professionnel, ne sont-elles pas plus largement en cause qu’on l’a supposé jusqu’à présent ? Pour le savoir, il est nécessaire d’appliquer la démarche de précaution et d’orienter la recherche scientifique, seule à même d’apporter des données objectives.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,067 | 0,148 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,012 |
| Communication savante | 0,011 | 0,016 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,011 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,047 | 0,012 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».