Early Career Members at the ERS International Congress 2017: highlights from the Assemblies
Notice bibliographique
Résumé
The 2017 ERS International Congress was, as always, well organised, providing participants with a good mixture of translational and clinical science. Early career members were very well represented in thematic poster, poster discussion and oral presentation sessions and were also actively involved in chairing sessions. The efforts of the Early Career Members Committee (ECMC) to increase the number of early career members included in the competence list (the list of early career members with an interest in being more actively involved in the society) paid off immensely, because the number of early career members registered improved hugely across all assemblies after the Congress. Several newly registered early career members have collated some highlights of the Congress for their assemblies, which should be of interest to all members. As assemblies 12 and 13 are new, there is no report from assembly 12 as there is not yet, at the time of writing, an early career member representative for this newly created assembly. .@EarlyCareerERS reflect on the highlights from the #ERSCongress 2017 The authors’ affiliations are as follows. Nicolas Kahn: Dept of Pneumology and Critical Care Medicine, Thorax-klinik, University Hospital Heidelberg, Heidelberg, Germany; Ioannis Tomos: 2nd Pulmonary Medicine Dept, “ATTIKON” University Hospital, National and Kapodistrian University of Athens, Athens, Greece; Vasileios Andrianopoulos: Dept of Respiratory Medicine and Pulmonary Rehabilitation, Schoen Klinik Berchtesgadener Land, Schoenau am Koenigssee, Germany; Husevin Arikan: Marmara University Hospital, Respiratory and Critical Care Medicine, Istanbul, Turkey; Anne van der Does: Dept of Pulmonology, Leiden University Medical Center, Leiden, The Netherlands; Isaac Almendros: Unitat de Biofísica i Bioenginyeria, Facultat de Medicina i Ciències de la Salut, Universitat de Barcelona, Barcelona, Spain, Centro de Investigación Biomédica en Red de Enfermedades Respiratorias, Madrid, Spain and Institut d’Investigacions Biomèdiques August Pi i Sunyer (IDIBAPS), Barcelona, Spain; Sara Bonvivi: Respiratory Pharmacology Group, Airway Disease Section, National Heart and Lung Institute, Imperial College London, London, UK; Ann Morgan: Respiratory Epidemiology, Occupational Medicine and Public Health, National Heart and Lung Institute, Imperial College London, London, UK; Raffaella Nenna: Dept of Pediatrics and Infantile Neuropsychiatry, “Sapienza” University of Rome, Rome, Italy; Dimitrios Magouliotis: Dept of Surgery, University Hospital of Larissa, Larissa, Greece; Matthew Rutter: Lung Function Dept, Cambridge University Hospitals NHS Foundation Trust, Cambridge, UK; Kevin De Soomer: Dienst Longziekten, University Hospital Antwerpen, Edegem, Belgium; Andre Nyberg: Dept of Community Medicine and Rehabilitation, Physiotherapy, Umeå University, Umeå, Sweden and Institut universitaire de cardiologie et de pneumologie de Québec, Québec, QC, Canada; Sara Lundell: Dept of Community Medicine and Rehabilitation, Physiotherapy, Umeå University, Umeå, Sweden; Katleen Leceuvre: Pneumology, University Hospital Leuven, Leuven, Belgium; Aran Singanayagam: Airways disease infection, National Heart and Lung Institute, Imperial College London, London, UK; Clementine Bostantzoglou: 7th Respiratory Medicine Dept, “Sotira” Athens Chest Hospital, Athens, Greece; Harry Karmouty-Quintana: Dept of Biochemistry and Molecular Biology, UTHealth – McGovern Medical School, Houston, TX, USA; Jana De Brandt: REVAL – Rehabilitation Research Center, BIOMED - Biomedical Research Institute, Faculty of Medicine and Life Sciences, Hasselt University, Diepenbeek, Belgium
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 | 0,012 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,013 | 0,004 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,059 | 0,034 |
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 ».