MétaCan
Menu
Retour à la cohorte
Enregistrement W2612811682 · doi:10.1016/j.eururo.2017.04.011

Setting Research Priorities for Kidney Cancer

2017· editorial· en· W2612811682 sur OpenAlexafffundabout
Jennifer M. Jones, Jaimin R. Bhatt, Jonathan Avery, Andreas Laupacis, Katherine Cowan, Naveen S. Basappa, Joan Basiuk, Christina Canil, Sohaib Al-Asaaed, Daniel Y.C. Heng, Lori Wood, Dawn Stacey, Christian Kollmannsberger, Michael A.S. Jewett

Notice bibliographique

RevueEuropean Urology · 2017
Typeeditorial
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensBC Cancer AgencyUniversity of British ColumbiaPrincess Margaret Cancer CentreUniversity of CalgaryAlberta Kidney Disease NetworkMemorial University of NewfoundlandUniversity of AlbertaSt. Michael's HospitalUniversity of OttawaUniversity Health NetworkOttawa HospitalDalhousie UniversityUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineGeneral partnershipKidney cancerContext (archaeology)CancerKidney diseaseIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Defining disease-specific research priorities in cancer can facilitate better allocation of limited resources. Involving patients and caregivers as well as expert clinicians in this process is of value. We undertook this approach for kidney cancer as an example. The Kidney Cancer Research Network of Canada sponsored a collaborative consensus-based priority-setting partnership that identified ten research priorities in the management of kidney cancer. These are discussed in the context of current initiatives and gaps in knowledge.

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)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
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 enseignants0,061
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
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 Opus0,075
Tête enseignante GPT0,399
Écart entre enseignants0,323 · 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.

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

Citations23
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEuropean UrologyMême sujetRenal cell carcinoma treatmentTravaux en français237 207