Almost half of references in reports on new and emerging nondrug health technologies are grey literature
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: The research investigated how frequently grey literature is used in reports on new and emerging nondrug health technologies, which sources are most cited, and how grey literature searching is reported. METHODS: A retrospective review of references cited in horizon scanning reports on nondrug health technologies-including medical devices, laboratory tests, and procedures-was conducted. A quasi-random sample of up to three reports per agency was selected from a compilation of reports published in 2014 by international horizon scanning services and health organizations. RESULTS: Twenty-two reports from 8 agencies were included in the analysis. On average, 47% (288/617) of references listed in the bibliographies of the horizon scanning reports were grey literature. The most frequently cited type of grey literature was information from manufacturers (30% of all grey literature references), regulatory agencies (10%), clinical trial registries (9%), and other horizon scans or evidence synthesis reports (9%). The US Food and Drug Administration (FDA) and ClincalTrials.gov were the most frequently cited specific sources, constituting 7% and 8% of grey literature references, respectively. Over two-thirds (15/22) of the analyzed reports provided some details on search methodology; all 15 of these reported searching some grey literature. CONCLUSIONS: In this sample, grey literature represented almost half of the references cited in reports on new and emerging nondrug health technologies. Of these grey literature references, almost half came from three sources: the manufacturers, ClincalTrials.gov, and the FDA. There was wide variation in the other sources cited. Literature search methodology was often insufficiently reported for analysis.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle