Notice bibliographique
Résumé
Clinician-scientists have the training and motivation to translate basic science into tools for improved clinical care, but the road to achieve this is hardly straight forward, particularly for large scale genomic datasets. This year's Joe Doupe Young Investigator award winner, Dr. Torsten Nielsen, details successful examples of new scientific insights, diagnostics and clinical trials that have resulted from microarray-based gene expression profiling of sarcomas: TLE1 as a biomarker for synovial sarcoma, histone deacetylase inhibitor therapy for translocation-associated sarcomas of young adults, and CSF1 pathway inhibitors for tenosynovial giant cell tumors. Results from exciting, emerging next generation sequencing technologies will need to undergo similar validation and preclinical studies before they can be expected to impact patient care.
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 | 0,231 | 0,196 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,009 | 0,005 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,018 |
| Communication savante | 0,032 | 0,030 |
| Science ouverte | 0,008 | 0,016 |
| Intégrité de la recherche | 0,031 | 0,036 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,016 |
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 ».