MétaCan
Menu
Retour à la cohorte
Enregistrement W2119414705 · doi:10.1136/ip.9.1.89

How much science is there in injury prevention and control?

2003· article· en· W2119414705 sur OpenAlexaff
Christopher A. Smith, Harry S. Shannon

Notice bibliographique

RevueInjury Prevention · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésLNCaPProstate cancerBiodistributionNuclear medicineRadioimmunotherapyMedicineDosimetryIn vivoCancer researchChemistryCancerMonoclonal antibodyInternal medicineAntibodyImmunologyBiology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To determine what proportion of research papers at an injury prevention conference reported an evaluation. METHODS: A random sample of 250 abstracts from the 6th World Conference on Injury Prevention and Control were classified by methodological type. Those that described any evaluation were further subdivided by whether the evaluation was of process or if it used an intermediate or "true" outcome. RESULTS: Of 250 abstracts, 20 (8%; 95% confidence interval 5.0% to 12.1%) showed evaluations with intermediate or true outcomes. Research designs were weak. Among the 20 reports, none was a randomized trial and only two conducted a before and after study with control group. The remaining 17 used before-after or "after only" designs. CONCLUSION: The conference papers included few evaluations. To ensure that resources are best used, those in the injury prevention field must increase their use of rigorous evaluation.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,241
Score d'incertitude au seuil0,822

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,020
Tête enseignante GPT0,340
Écart entre enseignants0,320 · 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 tête enseignante, 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

Citations8
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInjury PreventionMême sujetInjury Epidemiology and PreventionTravaux en français237 207