A Call for Improved Reporting of Human Islet Characteristics in Research Articles
Notice bibliographique
Résumé
The increased availability of isolated human islets for diabetes research and the implementation of islet distribution programs in several countries worldwide have been driving forces behind the rapidly expanding number of scientific reports on studies using human islets. In Diabetologia , Hart and Powers (1) not only review the progress made in human islet research, made possible through their greater availability, but also identify the challenges associated with their use. These include the wide functional heterogeneity observed between islet preparations and the highly variable (and often inadequate) reporting of human islet characteristics in the scientific literature. Many factors contribute to the functional heterogeneity observed between human islet preparations. These include differences in donor characteristics (age, sex, ethnic background, health status prior to death, and cause of death); differences in pancreas procurement (isolation center, islet handling, estimated purity, and viability); warm and cold ischemia times; and tissue culture (1). All of these factors influence, to varying degrees, the morphology and function of the islets as investigated in the laboratory (2–5). For example, out of the 13 islet preparations from donors without diabetes for which islet cell composition is provided in the Human Pancreas Analysis Program PancDB database of the Human Islet Research Network …
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 | 0,633 | 0,810 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,005 |
| Méta-épidémiologie (sens large) | 0,009 | 0,005 |
| Bibliométrie | 0,054 | 0,045 |
| Études des sciences et des technologies | 0,005 | 0,017 |
| Communication savante | 0,040 | 0,056 |
| Science ouverte | 0,016 | 0,021 |
| Intégrité de la recherche | 0,017 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,022 |
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 ».