MétaCan
Menu
Retour à la cohorte
Enregistrement W2542689680 · doi:10.1038/ejhg.2016.137

‘IRDiRC Recognized Resources’: a new mechanism to support scientists to conduct efficient, high-quality research for rare diseases

2016· article· en· W2542689680 sur OpenAlexaff
Hanns Lochmüller, Yann Le Cam, Anneliene Hechtelt Jonker, Lilian Pek Lian Lau, Gareth Baynam, Petra Kaufmann, Paul Lasko, Hugh Dawkins, Christopher P. Austin, Kym M. Boycott

Notice bibliographique

RevueEuropean Journal of Human Genetics · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Rare Diseases
Établissements canadiensUniversity of OttawaChildren's Hospital of Eastern OntarioMcGill University
Organismes subventionnairesNational Center for Advancing Translational Sciences
Mots-clésInteroperabilityPaceKnowledge managementQuality (philosophy)Data sharingProcess (computing)Computer scienceBusinessProcess managementMedicineWorld Wide WebAlternative medicinePathology

Résumé

récupéré en direct d'OpenAlex

The International Rare Diseases Research Consortium (IRDiRC) has created a quality label, 'IRDiRC Recognized Resources', formerly known as 'IRDiRC Recommended'. It is a peer-reviewed quality indicator process established based on the IRDiRC Policies and Guidelines to designate resources (ie, standards, guidelines, tools, and platforms) designed to accelerate the pace of discoveries and translation into clinical applications for the rare disease (RD) research community. In its first year of implementation, 13 resources successfully applied for this designation, each focused on key areas essential to IRDiRC objectives and to the field of RD research more broadly. These included data sharing for discovery, knowledge organisation and ontologies, networking patient registries, and therapeutic development. 'IRDiRC Recognized Resources' is a mechanism aimed to provide community-approved contributions to RD research higher visibility, and encourage researchers to adopt recognised standards, guidelines, tools, and platforms that facilitate research advances guided by the principles of interoperability and sharing.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,478
Score d'incertitude au seuil0,616

Scores Codex et Gemma par catégorie

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

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 Opus0,104
Tête enseignante GPT0,381
Écart entre enseignants0,277 · 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'étudeExpérimental (laboratoire)
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

Citations36
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Human GeneticsMême sujetGenomics and Rare DiseasesTravaux en français237 207