International Consensus Statement on Allergy and Rhinology: Rhinosinusitis
Notice bibliographique
Résumé
Contributing Authors Isam Alobid, MD, PhD 1 , Nithin D. Adappa, MD 2 , Henry P. Barham, MD 3 , Thiago Bezerra, MD 4 , Nadieska Caballero, MD 5 , Eugene G. Chang, MD 6 , Gaurav Chawdhary, MD 7 , Philip Chen, MD 8 , John P. Dahl, MD, PhD 9 , Anthony Del Signore, MD 10 , Carrie Flanagan, MD 11 , Daniel N. Frank, PhD 12 , Kai Fruth, MD, PhD 13 , Anne Getz, MD 14 , Samuel Greig, MD 15 , Elisa A. Illing, MD 16 , David W. Jang, MD 17 , Yong Gi Jung, MD 18 , Sammy Khalili, MD, MSc 19 , Cristobal Langdon, MD 20 , Kent Lam, MD 21 , Stella Lee, MD 22 , Seth Lieberman, MD 23 , Patricia Loftus, MD 24 , Luis Macias‐Valle, MD 25 , R. Peter Manes, MD 26 , Jill Mazza, MD 27 , Leandra Mfuna, MD 28 , David Morrissey, MD 29 , Sue Jean Mun, MD 30 , Jonathan B. Overdevest, MD, PhD 31 , Jayant M. Pinto, MD 32 , Jain Ravi, MD 33 , Douglas Reh, MD 34 , Peta L. Sacks, MD 35 , Michael H. Saste, MD 36 , John Schneider, MD, MA 37 , Ahmad R. Sedaghat, MD, PhD 38 , Zachary M. Soler, MD 39 , Neville Teo, MD 40 , Kota Wada, MD 41 , Kevin Welch, MD 42 , Troy D. Woodard, MD 43 , Alan Workman 44 , Yi Chen Zhao, MD 45 , David Zopf, MD 46 Contributing Author Affiliations 1 Universidad de Barcelona; 2 University of Pennsylvania; 3 Louisiana State University Health Sciences Center; 4 Universidade de São Paulo; 5 ENT Specialists of Illinois; 6 University of Arizona; 7 University of Oxford; 8 University of Texas; 9 University of Indiana; 10 Mount Sinai Beth Israel; 11 Emory University; 12 University of Colorado; 13 Wiesbaden, Germany; 14 University of Colorado; 15 University of Alberta; 16 University of Alabama at Birmingham; 17 Duke University; 18 Sungkyunkwan University; 19 University of Pennsylvania; 20 Universidad de Barcelona; 21 Northwestern University; 22 University of Pittsburgh; 23 New York University; 24 Emory University; 25 University of British Columbia; 26 Yale University School of Medicine; 27 Private Practice; 28 Department of Otolaryngology, Hôtel‐Dieu Hospital, Centre de Recherche du Centre Hospitalier de l'Université de Montréal; 29 University of Adelaide; 30 Pusan National University; 31 University of California, San Francisco; 32 University of Chicago; 33 University of Auckland; 34 Johns Hopkins University; 35 University of New South Wales, Australia; 36 Stanford University; 37 Washington University; 38 Harvard Medical School; 39 Medical University of South Carolina; 40 Singapore General Hospital; 41 Taho University; 42 Northwestern University; 43 Cleveland Clinic Foundation; 44 University of Pennsylvania; 45 University of Adelaide; 46 University of Michigan
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 | 0,030 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,009 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,011 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».