Scientific overview on CSCI-CITAC Annual General Meeting and 2017 Young Investigators’ Forum
Notice bibliographique
Résumé
The 2017 Annual General Meeting of the Canadian Society of Clinician Investigators (CSCI) and Clinician Investigator Trainee Association of Canada/Association des Cliniciens-Chercheurs en Formation du Canada (CITAC/ACCFC) was a national Annual General Meeting (AGM) held in Toronto, Ontario November 20-22, 2017, in conjunction with the University of Toronto Clinician Investigator Program Research Day. The theme for this year's meeting was "Roll up your sleeves-How to manage your physician scientist career", emphasizing lectures and workshops that were designed to provide tools for being proactive and successful in career planning. The keynote speakers were Dr. Rod McInnes (McGill University and Canadian Institutes of Health Research Acting President), who was the Distinguished Scientist Award recipient, Dr. David Goltzman (McGill University), who was the 2017 Henry Friesen Award recipient, Dr. Gillian Hawker (University of Toronto), Dr. Mike Sapieha (Université de Montréal), who was the 2017 Joe Doupe Award recipient, and Dr. Alex MacKenzie (Children's Hospital of Eastern Ontario Research Institute, University of Ottawa). The workshops, focusing on career development for clinician scientists, were hosted by Dr. Lisa Robinson, Dr. Nicola Jones, Kevin Vuong, Fran Brunelle, Dr. Jason Berman and Dr. Alan Underhill. Further to this, the Young Investigators' Forum encompasses presentations from scientist-clinician trainees from across the country. All scientific abstracts are summarized in this review. There were over 100 abstracts showcased at this year's meeting during the highlighted poster sessions, with six outstanding abstracts selected for oral presentations during the President's Forum.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,010 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».