MétaCan
Menu
Retour à la cohorte
Enregistrement W2900898116 · doi:10.1016/j.canep.2018.10.006

Alcohol consumption and lung cancer risk: A pooled analysis from the International Lung Cancer Consortium and the SYNERGY study

2018· article· en· W2900898116 sur OpenAlexafffund
Darren R. Brenner, Gord Fehringer, Zuo‐Feng Zhang, Yuan-Chin Amy Lee, Travis J. Meyers, Keitaro Matsuo, Hidemi Ito, Paolo Vineis, Isabelle Stücker, Paolo Boffetta, Paul Brennan, David C. Christiani, Nancy Diao, Yun‐Chul Hong, Maria Teresa Landi, Hal Morgenstern, Ann G. Schwartz, Gad Rennert, Walid Saliba, Curtis C. Harris, Irene Orlow, Juan Miguel Barros-Dios, Alberto Ruano‐Raviña, Jack Siemiatycki, Anita Koushik, Michele L. Coté, Philip Lazarus, Guillermo Fernández‐Tardón, Adonina Tardón, Loı̈c Le Marchand, Hermann Brenner, Kai-Uwe Saum, Eric J. Duell, Angeline S. Andrew, Dario Consonni, Ann Olsson, Kurt Straíf

Notice bibliographique

RevueCancer Epidemiology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueAlcohol Consumption and Health Effects
Établissements canadiensPublic Health OntarioLunenfeld-Tanenbaum Research InstituteMount Sinai HospitalCentre Hospitalier de l’Université de MontréalAlberta Health Services
Organismes subventionnairesNational Center for Research ResourcesCanadian Cancer Society Research InstituteCanadian Institutes of Health ResearchNational Cancer InstituteNational Institutes of HealthUniversidad de OviedoDeutsche Gesetzliche UnfallversicherungMinistry of Health, Labour and WelfareMinistry of Education, Culture, Sports, Science and TechnologyWorld Health Organization
Mots-clésMedicineLung cancerAlcohol consumptionCancerOncologyPooled analysisConsumption (sociology)LungEnvironmental healthInternal medicineMeta-analysisAlcohol

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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,011
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0050,018
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,098
Tête enseignante GPT0,455
Écart entre enseignants0,357 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
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

Citations39
Publié2018
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueCancer EpidemiologyMême sujetAlcohol Consumption and Health EffectsTravaux en français237 207