MétaCan
Menu
Retour à la cohorte
Enregistrement W2906567312 · doi:10.23889/ijpds.v4i1.586

Consensus Statement on Public Involvement and Engagement with Data-Intensive Health Research

2019· article· en· W2906567312 sur OpenAlexaff
Mhairi Aitken, Mary P. Tully, Carol Porteous, Simon Denegri, Sarah Cunningham‐Burley, Natalie Banner, Corri Black, Michael Burgess, Lynsey Cross, Johannes van Delden, Elizabeth Ford, Sarah Fox, Natalie Fitzpatrick, Kay Gallacher, Catharine Goddard, Lamiece Hassan, Ron Jamieson, Kerina Jones, Minna Kaarakainen, Fiona Lugg‐Widger, Kimberlyn McGrail, Anne McKenzie, Rosalyn Moran, Madeleine J. Murtagh, Malcolm Oswald, P. Alison Paprica, Nicola Perrin, Emma Richards, John Rouse, Joanne Webb, Donald J. Willison

Notice bibliographique

RevueInternational Journal for Population Data Science · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensUniversity of TorontoUniversity of British Columbia
Organismes subventionnairesEconomic and Social Research CouncilEngineering and Physical Sciences Research CouncilWellcome TrustAcademy of Medical SciencesBritish Heart FoundationCancer Research UKMedical Research CouncilNational Institute for Social Care and Health Research
Mots-clésPremiseKey (lock)Public relationsPublic engagementStatement (logic)Public healthField (mathematics)Problem statementPolitical scienceKnowledge managementMedicineManagement scienceComputer scienceNursingEngineeringLawComputer securityEpistemology

Résumé

récupéré en direct d'OpenAlex

This consensus statement reflects the deliberations of an international group of stakeholders with a range of expertise in public involvement and engagement (PI&E) relating to data-intensive health research. It sets out eight key principles to establish a secure role for PI&E in and with the research community internationally and ensure best practice in its execution. Our aim is to promote culture change and societal benefits through ensuring a socially responsible trajectory for innovations in this field. Our key premise is that the public should not be characterised as a problem to be overcome but a key part of the solution to establish socially beneficial data-intensive health research for all.

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 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)0,302
score de la tête « metaresearch » (Gemma)0,305
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,698
Score d'incertitude au seuil0,860

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3020,305
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0040,008
Bibliométrie0,0060,006
Études des sciences et des technologies0,0090,009
Communication savante0,0130,009
Science ouverte0,0150,020
Intégrité de la recherche0,0420,046
Charge utile insuffisante (le modèle a refusé de juger)0,0080,006

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 Opus0,833
Tête enseignante GPT0,631
Écart entre enseignants0,202 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations103
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetMental Health and Patient InvolvementTravaux en français237 207