Why Cochrane should prioritise sharing data
Notice bibliographique
Résumé
Why Cochrane should prioritise sharing data Open sharing is vital for collaboration, innovation, and reproducibility: Cochrane could show leadership.Packer 1 discusses that the one who submits a research for public good should be ready to receive a request for data sharing for examination and re-analysis and tax payers assume that a national agency is checking such data and analysis.Here we discuss Cochrane's practice on data sharing.Open science, as endorsed by the G7, 2 includes sharing data, computer code and materials.It is essential for reproducibility, collaboration, and innovation.We support the work of Cochrane, but are concerned Cochrane is not sharing all its reviews' data.These data should be fully accessible for re-use by third parties.Cochrane, a non-profit private company 3 and registered charity, produces and maintains systematic reviews in health and social care.Its work is undertaken by a global network of thousands of people, 4 and its support largely comes from public funding.5 Most people producing Cochrane reviews are volunteers, not specifically funded for this work 6 7 and Cochrane encourages 'crowdsourcing' of work.[8][9][10] Cochrane Editorial bases help volunteers obtain study reports and manually extract the wealth of data needed to generate systematic reviews.[11][12][13] Cochrane teams use RevMan software 14 to produce files in standard format (XML), storing information on the studies, their methods and results for publication in the Cochrane Library.
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 | 0,198 | 0,671 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,004 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,010 | 0,024 |
| Communication savante | 0,017 | 0,028 |
| Science ouverte | 0,006 | 0,014 |
| Intégrité de la recherche | 0,145 | 0,121 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,009 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».