MétaCan
Menu
Retour à la cohorte
Enregistrement W2921601999 · doi:10.1177/2472630319834471

Establishing and Maintaining a Robust Sample Management System

2019· article· en· W2921601999 sur OpenAlexaff
William P. Janzen, Elizabeth A. Admirand, Jeffery Andrews, Matthew Boeckeler, Chatura Jayakody, Christina R. Majer, Garima Porwal, Surayya Sana, Samantha Unkuri, Andy Zaayenga

Notice bibliographique

RevueSLAS TECHNOLOGY · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Bioinformatics, and Biomedical Research
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésSample (material)Best practiceBusinessProcess managementProcess (computing)Operations managementQuality (philosophy)Knowledge managementComputer scienceEngineering managementEngineeringManagementEconomicsChemistry

Résumé

récupéré en direct d'OpenAlex

This paper has been written by the SLAS Sample Management Special Interest Group to serve as a guide to the best practices and methods in establishing and maintaining a high-quality sample management system. The topics covered are applicable to sample types ranging from small molecules to biologics to tissue samples. It has been put together using the collective experience of the authors in start-up companies, small pharma, agricultural research, IT, academia, biorepositories, and large pharma companies. Our hope is that sharing our experience will streamline the process of setting up a new sample management system and help others avoid some of the problems that we have encountered.

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)0,013
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,022
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,001
Communication savante0,0060,006
Science ouverte0,0040,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,005

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 Opus0,010
Tête enseignante GPT0,239
Écart entre enseignants0,229 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
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

Citations3
Publié2019
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueSLAS TECHNOLOGYMême sujetGenetics, Bioinformatics, and Biomedical ResearchTravaux en français237 207