MétaCan
Menu
Retour à la cohorte
Enregistrement W2790286048 · doi:10.1016/j.trac.2018.03.009

Multi-year inter-laboratory exercises for the analysis of illicit drugs and metabolites in wastewater: Development of a quality control system

2018· article· en· W2790286048 sur OpenAlexfundno aff
Alexander L.N. van Nuijs, Foon Yin Lai, Frederic Béen, María Jesús Andrés-Costa, Leon Barron, Jose Antonio Baz‐Lomba, Jean-Daniel Berset, Lisa Benaglia, Lubertus Bijlsma, Daniel A. Burgard, Sara Castiglioni, Christophoros Christophoridis, Adrian Covaci, Pim de Voogt, Erik Emke, Despo Fatta‐Kassinos, Jerker Fick, Félix Hernández, Cobus Gerber, Iria González‐Mariño, Roman Grabic, Teemu Gunnar, Kurunthachalam Kannan, Sara Karolak, Barbara Kasprzyk‐Hordern, Zenon J. Kokot, Ivona Krizman-Matasic, Angela Li, Xiqing Li, Arndís Sue Ching Löve, Miren López de Alda, Ann‐Kathrin McCall, Markus R. Meyer, Herbert Oberacher, Jake O’Brien, José Benito Quintana, Malcolm J. Reid, Serge Schneider, Susana Sadler Simões, Νikolaos S. Τhomaidis, Kevin V. Thomas, Viviane Yargeau, Christoph Ort

Notice bibliographique

RevueTrAC Trends in Analytical Chemistry · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePharmaceutical and Antibiotic Environmental Impacts
Établissements canadiensnon disponible
Organismes subventionnairesH2020 Marie Skłodowska-Curie ActionsNatural Sciences and Engineering Research Council of CanadaSeventh Framework ProgrammeVlaamse regeringXunta de GaliciaGeneralitat ValencianaFonds Wetenschappelijk OnderzoekEuropean Cooperation in Science and TechnologyMinisterio de Asuntos Económicos y Transformación Digital, Gobierno de EspañaNational Science FoundationGeneralitat de CatalunyaMinisterstvo Školství, Mládeže a TělovýchovyStavros Niarchos FoundationSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung
Mots-clésWastewaterAnalyteExternal quality assessmentEnvironmental scienceComputer scienceChromatographyEngineeringEnvironmental engineeringOperations managementChemistry

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,189
Score d'incertitude au seuil0,426

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,032
Tête enseignante GPT0,328
Écart entre enseignants0,296 · 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'étudeExpérimental (laboratoire)
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

Citations106
Publié2018
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueTrAC Trends in Analytical ChemistryMême sujetPharmaceutical and Antibiotic Environmental ImpactsTravaux en français237 207