MétaCan
Menu
Retour à la cohorte
Enregistrement W2579810951 · doi:10.1136/thoraxjnl-2017-209978

Climate change and lung health: the challenge for a new president

2017· editorial· en· W2579810951 sur OpenAlexaboutno aff
Nicholas S Hopkinson, Nicholas Hart, Gísli Jenkins, Naftali Kaminski, Margaret Rosenfeld, Alan R Smyth, Alex Wilkinson

Notice bibliographique

RevueThorax · 2017
Typeeditorial
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOzone layerMontreal ProtocolAtmosphere (unit)StratosphereOzone depletionGreenhouse gasMedicineLawEnvironmental ethicsMeteorologyPolitical scienceGeology

Résumé

récupéré en direct d'OpenAlex

This is a story from recent history that we believe incoming President Trump urgently needs to hear. In 1985, a huge and growing hole in the planet's ozone layer was identified. Ozone in the stratosphere blocks some of the sun's ultraviolet radiation from reaching the Earth's surface, thus protecting its biosphere (which includes humans) from DNA damage that would otherwise occur. The hole was caused by the action of chlorofluorocarbons (CFCs) used in refrigeration and as aerosol propellants.1 Margaret Thatcher is admired by many on both sides of the Atlantic, including President Trump2 as a strong politician, a person with clear beliefs on which she acted; the ‘Iron Lady’ as Donald Trump has described her on Twitter. A scientist by background, Thatcher appreciated the magnitude of the threat immediately, throwing her weight behind international efforts to address this. Working with Ronald Reagan, within 2 years the 1987 Montreal Protocol was signed to phase out the production and use of CFCs. Despite this, because CFCs persist in the atmosphere for more than a century, the ozone layer will not recover completely until 2060. A failure of leadership at that time would have been catastrophic. CFCs are also powerful greenhouse gases and without the Montreal agreement the world would already …

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)0,006
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,021
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,003
Communication savante0,0060,006
Science ouverte0,0030,002
Intégrité de la recherche0,0150,032
Charge utile insuffisante (le modèle a refusé de juger)0,0090,006

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 Opus0,148
Tête enseignante GPT0,402
Écart entre enseignants0,254 · 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.

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

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

En bref

Citations11
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThoraxMême sujetClimate Change and Health ImpactsTravaux en français237 207