Das RECORD-Statement zum Berichten von Beobachtungsstudien, die routinemäßig gesammelte Gesundheitsdaten verwenden
Notice bibliographique
Résumé
Zusammenfassung Zunehmend werden routinemäßig gesammelte Gesundheitsdaten, die zu administrativen und klinischen Zwecken und ohne spezifische, a priori festgelegte Forschungsziele erhoben wurden, auch für die Forschung eingesetzt. Die rasche Entwicklung und Verfügbarkeit dieser Daten machten Probleme deutlich, die in den bestehenden Berichts-Leitlinien, wie dem STROBE-Statement (Strengthening the Reporting of Observational Studies in Epidemiology) nicht behandelt werden. Das RECORD-Statement (REporting of studies Conducted using Observational Routinely-collected health Data) wurde entwickelt, um diese Lücken zu schließen. RECORD ist als Erweiterung des STROBE-Statements gedacht, um Punkte abzudecken, die spezifisch sind beim Berichten von Beobachtungsstudien, die routinemäßig gesammelte Gesundheitsdaten verwenden. RECORD besteht aus einer Checkliste von 13 Punkten mit Bezug zu Titel, Abstract, Einleitung, Methoden-, Ergebnis- und Diskussionsteil von Artikeln sowie zu anderen Informationen, die in Forschungsberichten dieser Art enthalten sein sollten. Dieses Dokument enthält die Checkliste sowie Erläuterungen und weitere Erklärungen, um die Verwendung der Checkliste zu verbessern. Beispiele für ein gutes Berichten der einzelnen Punkte der RECORD-Checkliste sind ebenfalls in diesem Dokument enthalten. Dieses Dokument sowie die zugehörige Website und ein Forum (http://www.record-statement.org) werden die Umsetzung und das Verständnis von RECORD verbessern. Autoren, Redakteure von Fachzeitschriften und Peer-Reviewer können die Transparenz beim Berichten von Forschungsergebnissen erhöhen, indem sie RECORD anwenden.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,110 | 0,338 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,009 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,109 | 0,039 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».