Invited Commentary: Consolidating Data Harmonization--How to Obtain Quality and Applicability?
Notice bibliographique
Résumé
It is recognized that very large sample sizes capable of providing adequate statistical power are required to properly investigate and understand the role and interaction of genetic, lifestyle, and environmental factors in modulating the risk and progression of chronic diseases. However, very few one-off studies provide access to very large numbers of participants, and the collection of high-quality data necessitates a major investment of resources. The scientific community is thus increasingly engaged in collaborative efforts to facilitate harmonization and synthesis of data across studies. Complementary harmonization approaches may be adopted to support these efforts. In the current issue of the American Journal of Epidemiology, Hamilton et al. (Am J Epidemiol. 2011;174(3):253-260) present the consensus measures for Phenotypes and eXposures (PhenX) Toolkit, which promotes the use of identical data collection tools and procedures to support harmonization across emerging studies. Data synthesis is greatly facilitated by the use of common measures and procedures. However, the "stringent" criteria required by PhenX can limit its utilization. The opportunity to make use of rigorous but more "flexible" harmonization approaches should also be considered.
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 | 0,037 | 0,149 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,005 | 0,008 |
| Science ouverte | 0,006 | 0,003 |
| Intégrité de la recherche | 0,058 | 0,063 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,007 |
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.
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 ».