Notice bibliographique
Résumé
This is my last editorial as editor in chief (EIC). I had a wonderful 10 years. I learned so much and will sorely miss the opportunity to preview emerging science, highlight new clinical issues, and push “hot topics.” I worked with an outstanding interprofessional and global team of experts devoted to PTJ's mission: to engage and inspire an international readership on topics related to physical therapy, to publish innovative and highly relevant content for both clinicians and scientists, and to use “a variety of interactive approaches to communicate that content, with the expressed purpose of improving patient care.” My vocabulary is insufficient to describe the qualities of the team with whom I have worked. During my tenure, PTJ was served by 52 Editorial Board members. We evolved from an Editorial Board consisting of US-based physical therapists (and one Canadian) to a board comprising international leaders in physical therapy, medicine, biomechanics, and nursing. Dr. Daniel Riddle is the only Editorial Board member who was with me since the beginning. As deputy editor, he was invaluable in helping to ensure that the journal's content is innovative and rigorous. PTJ's Editorial Board members have extraordinary expertise, wisdom, and passion for physical therapy and rehabilitation. We worked well together to improve scientific rigor and attract established and emerging scientists and clinicians to contribute to an exploding body of evidence. Supporting our efforts are hundreds of manuscript reviewers who have volunteered countless hours poring over manuscripts to provide reviews that are timely, constructive, and kind.
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 | 0,008 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,016 | 0,006 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,418 | 0,350 |
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 ».