MétaCan
Menu
Retour à la cohorte
Enregistrement W2512011249 · doi:10.1002/cpt.460

An International Asset Map of Clinicians, Educators, and Researchers Pursuing Better Medicine Use in Children: Initial Findings

2016· article· en· W2512011249 sur OpenAlexafffund
S.C. MacLeod, DC Knoppert, Shinya Ito, MJ Rieder

Notice bibliographique

RevueClinical Pharmacology & Therapeutics · 2016
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical studies and practices
Établissements canadiensRegional Municipality of WaterlooUniversity of WaterlooWestern UniversityRobarts Clinical TrialsChild and Family Research InstituteChildren's Hospital of Western OntarioUniversity of TorontoBC Children's HospitalHospital for Sick ChildrenUniversity of British Columbia
Organismes subventionnairesAmerican College of Clinical PharmacyEuropean Society of Clinical PharmacyHospital for Sick ChildrenAGE-WELLWorld Bank Group
Mots-clésEconomic shortageMedicineAsset (computer security)Medical educationClinical pharmacologyLatin AmericansFamily medicinePolitical sciencePharmacology

Résumé

récupéré en direct d'OpenAlex

The world's 1.89 billion children (age 0-14) too frequently receive treatments that have not been validated through clinical pharmacology research, especially in low- and middle-income countries. Initial findings from an international asset map of professionals and clinician scientists available to address the needs for education, research, and treatment support suggest a critical shortage of clinical pharmacologists, clinical pharmacists, and other professionals with advanced training in the evaluation of therapies for childhood conditions and illnesses. A total of 497 individuals responded to a survey conducted between May 2015 and February 2016. An alarming signal is apparent showing that, while the overall resource pool is unquestionably limited, 87% of relevant qualified personnel are located in high-income countries. The data suggest an urgent need for targeted training in pediatric clinical pharmacology, with particular focus on the needs in Africa, Latin America, and most of Asia.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,133
Score d'incertitude au seuil0,913

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,291
Tête enseignante GPT0,565
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical Pharmacology & TherapeuticsMême sujetPharmaceutical studies and practicesTravaux en français237 207