MétaCan
Menu
Retour à la cohorte
Enregistrement W2094180585 · doi:10.2172/781829

Workshop on body composition in basic and clinical research and the emerging technologies

2000· report· en· W2094180585 sur OpenAlexaff
Lucian Wielopolski

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineMedicine
ThématiqueBody Composition Measurement Techniques
Établissements canadiensColumbia College
Organismes subventionnairesnon disponible
Mots-clésResource (disambiguation)Computer scienceBasic researchData scienceLibrary science

Résumé

récupéré en direct d'OpenAlex

A special one-day workshop was held to review the status, the need for, and the future role of BNL in the Body Composition Analysis Program (BCAP). Two speakers succinctly outlined the status and future new developments using gamma nuclear resonance technology as it applies to BCAP. Seven speakers from three institutions outlined the continued need for BCAP and presented new clinical applications of BCAP in theirs respective fields of expertise. Extensive increase in the use of surrogate instrumentation, e.g., DXA and BIA, in BCAP was recognized as a significant contributing factor to the growth in BCAP. The growing role of MRI in BCAP was also emphasized. In light of these developments BCAP at BNL, with its specialized In Vivo Neutron Activation (IVNA) facilities, was recognized as a unique user oriented resource that may serve the community hospitals in the area. Three regional large institutions expressed their desire to use these facilities. In addition, IVNA provides direct measure of the human compartments in vivo, thus providing a gold standard for the surrogate methodologies that are in use or to be developed. It was strongly felt that there is a need for a calibration center with a national stature for the different methodologies for in vivo measurements, a role that befits very well a national laboratory. This offers an exquisite justification for DOE to support this orphan technology and to develop BCAP at BNL to, 1, provide a user oriented regional resource, 2, provide a national reference laboratory, and 3, develop new advanced technologies for BCAP.

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)0,012
score de la tête « metaresearch » (Gemma)0,011
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: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0050,005
Science ouverte0,0020,006
Intégrité de la recherche0,0050,012
Charge utile insuffisante (le modèle a refusé de juger)0,0200,007

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 Opus0,211
Tête enseignante GPT0,480
Écart entre enseignants0,269 · 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
GenreAutre

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

En bref

Citations1
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBody Composition Measurement TechniquesTravaux en français237 207