Cochrane Clinical Answers: Putting Cochrane Reviews in Clinical Context
Notice bibliographique
Résumé
One of the goals of The Cochrane Collaboration's Strategy to 2020 is to make Cochrane evidence accessible and to put the needs of users at the heart of content design and delivery.[1] The Cochrane derivatives programme is a key element of this knowledge translation initiative, aimed at making Cochrane evidence available via a range of content platforms so it resonates with and meets the needs of different audiences.Cochrane Clinical Answers (CCAs; cochraneclinicalanswers.com) are evidence-based answers to clinical questions based on Cochrane Reviews and have been created to support health professionals in decision making (Figure 1).They are not simply summaries of reviews; value is added by starting with a clinical question, mimicking the way doctors approach information at the point of care, and curating and filtering the data so that the most clinically relevant aspects of the review are brought to the forefront.
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 | 0,250 | 0,658 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,011 |
| Méta-épidémiologie (sens large) | 0,015 | 0,008 |
| Bibliométrie | 0,087 | 0,088 |
| Études des sciences et des technologies | 0,005 | 0,022 |
| Communication savante | 0,044 | 0,055 |
| Science ouverte | 0,014 | 0,035 |
| Intégrité de la recherche | 0,036 | 0,029 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,142 | 0,085 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».