MétaCan
Menu
Retour à la cohorte
Enregistrement W2559958825

[Future Perspective of Pharmacoepidemiology in the "Big Data Era" and the Growth of Information Sources].

2016· article· en· W2559958825 sur OpenAlexaff
Diego Macías Saint-Gerons, César de la Fuente Honrubia, Fernando de Andrés Trelles, Ferrán Catalá-López

Notice bibliographique

RevuePubMed · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBiomedical Text Mining and Ontologies
Établissements canadiensOttawa Hospital
Organismes subventionnairesnon disponible
Mots-clésPharmacoepidemiologyEnthusiasmObservational studyBig dataConfusionData sciencePerspective (graphical)MedicineComputer scienceRisk analysis (engineering)Data miningPsychologyPharmacologyMedical prescriptionPathology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The arrival of new drug into the market requires many years of previous research along with the need of continuous evaluation throughout the lifetime of the drug. This warrants pharmacoepidemiological research which may be defined as the study of the use and the effects of drugs in large populations. Nowadays this type of research seems more feasible thanks to the massive expansion of the information sources and data (e.g: clinical patient registries, electronic medical records). However there is a risk of information overload, fragmented evidence and given the enthusiasm aroused by the "Big Data", it must be emphasized that its nature is mainly observational, and therefore subject to bias and confusion. The application of epidemiological methods in this scenario seems essential for any analysis. In short, the management and use of these data sources to generate useful information expansion is the next challenge for the application of research methods in modern pharmacoepidemiology.

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)0,001
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,954
Score d'incertitude au seuil0,179

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 ouverte0,0000,000
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 Opus0,034
Tête enseignante GPT0,271
Écart entre enseignants0,237 · 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'étudeAutre devis
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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetBiomedical Text Mining and OntologiesTravaux en français237 207