Expert’s Choice: 2018’s Most Exciting Research in the Field of Pediatric Exercise Science
Notice bibliographique
Résumé
This commentary highlights 23 noteworthy publications from 2018, selected by leading scientists in pediatric exercise science. These publications have been deemed as significant or exciting in the field as they (a) reveal a new mechanism, (b) highlight a new measurement tool, (c) discuss a new concept or interpretation/application of an existing concept, or (d) describe a new therapeutic approach or clinical tool in youth. In some cases, findings in adults are highlighted, as they may have important implications in youth. The selected publications span the field of pediatric exercise science, specifically focusing on: aerobic exercise and training; neuromuscular physiology, exercise, and training; endocrinology and exercise; resistance training; physical activity and bone strength; growth, maturation, and exercise; physical activity and cognition; childhood obesity, physical activity, and exercise; pulmonary physiology or diseases, exercise, and training; immunology and exercise; cardiovascular physiology and disease; and physical activity, inactivity, and health.
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 | 0,014 | 0,089 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,026 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,045 | 0,018 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».