Identifying research challenges for occupational and environmental medicine until 2030: an initiative
Notice bibliographique
Résumé
> The public ultimately provides money for medical research for one purpose only – to generate improvements in patient care [and public health] Medical researchers, editors, and peer reviewers should be under no illusions: the public does not support research for the pleasure of watching a cultural event If improved medical care [and improved public health] is not delivered, support for medical research . will dwindle and atrophy. > > DF Horrobin1 In recent years it has been suggested that the multifaceted fields of occupational and environmental medicine are facing problems as disciplines. Jack Siemiatycki2 addressed several of the issues concerned when he focussed on the “future of occupational epidemiology” in a keynote speech at the 2007 EPICOH conference in Banff, Canada. One of his critical observations was that “over the past 20 years, occupational epidemiology has declined as regards its relative share of the epidemiological pie”. In a similar vein, it seems appropriate for some, if not many, of us to ask whether occupational and environmental medicine has lost its relative and due share of the “medical pie”. While most representatives of our disciplines would agree that what we do is relevant for public health, there is increasing uneasiness as to whether our objectives and achievements are appropriately visible beyond our circles. Moreover, there is the disconcerting question of whether there is really consensus among, let alone beyond, ourselves as to what constitutes the important research issues lying ahead of us during the next, say, two decades on a global scale. And yet, it is very important to identify the challenges for occupational and environmental medicine and to ask ourselves why society should pay for our research for two main reasons:
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 tête enseignante, 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 ».