MétaCan
Menu
Retour à la cohorte
Enregistrement W2551041964 · doi:10.1111/zph.12315

Explanation and Elaboration Document for the <scp>STROBE</scp>‐Vet Statement: Strengthening the Reporting of Observational Studies in Epidemiology – Veterinary Extension

2016· article· en· W2551041964 sur OpenAlexaff
Annette M. O’Connor, Jan M. Sargeant, Ian R. Dohoo, Hollis N. Erb, Myriam Cevallos, Matthias Egger, Annette Kjær Ersbøll, Sylvia Martin, Liza Rosenbaum Nielsen, David L. Pearl, Dirk U. Pfeiffer, Javier Sánchez, Mary E. Torrence, Håkan Vigre, Cheryl Waldner, Michael P. Ward

Notice bibliographique

RevueZoonoses and Public Health · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueMeta-analysis and systematic reviews
Établissements canadiensUniversity of Prince Edward IslandUniversity of SaskatchewanUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésStrengthening the reporting of observational studies in epidemiologyObservational studyChecklistStatement (logic)Veterinary medicineMedicineMedical educationPsychologyPathologyPolitical science

Résumé

récupéré en direct d'OpenAlex

The STROBE (Strengthening the Reporting of Observational Studies in Epidemiology) statement was first published in 2007 and again in 2014. The purpose of the original STROBE was to provide guidance for authors, reviewers and editors to improve the comprehensiveness of reporting; however, STROBE has a unique focus on observational studies. Although much of the guidance provided by the original STROBE document is directly applicable, it was deemed useful to map those statements to veterinary concepts, provide veterinary examples and highlight unique aspects of reporting in veterinary observational studies. Here, we present the examples and explanations for the checklist items included in the STROBE-Vet Statement. Thus, this is a companion document to the STROBE-Vet Statement Methods and process document, which describes the checklist and how it was developed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,119
score de la tête « metaresearch » (Gemma)0,412
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,881
Score d'incertitude au seuil0,746

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1190,412
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0030,005
Bibliométrie0,0120,008
Études des sciences et des technologies0,0020,003
Communication savante0,0060,006
Science ouverte0,0030,006
Intégrité de la recherche0,0070,009
Charge utile insuffisante (le modèle a refusé de juger)0,2230,083

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 Opus0,936
Tête enseignante GPT0,624
Écart entre enseignants0,312 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomainePrésentation des résultats
GenreMéthodes

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

En bref

Citations50
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZoonoses and Public HealthMême sujetMeta-analysis and systematic reviewsTravaux en français237 207