MétaCan
Menu
← Retour à la cohorte
Enregistrement W2925159988 · doi:10.1016/s0140-6736(19)30024-8

Building a tuberculosis-free world: The Lancet Commission on tuberculosis

2019· review· en· W2925159988 sur OpenAlexaff
Michael Reid, Nimalan Arinaminpathy, Amy Bloom, Barry R. Bloom, Catharina Boehme, Richard E. Chaisson, Daniel P. Chin, Gavin Churchyard, Helen Cox, Lucica Diţiu, Mark Dybul, Jeremy Farrar, Anthony S. Fauci, Endalkachew Fekadu, Paula I. Fujiwara, Timothy B. Hallett, Christy Hanson, Mark Harrington, Nick Herbert, Philip C. Hopewell, Chieko Ikeda, Dean T. Jamison, Aamir Khan, Irene Koek, Nalini Krishnan, Aaron Motsoaledi, Madhukar Pai, Mario Raviǵlione, Almaz Sharman, Peter M. Small, Soumya Swaminathan, Zelalem Temesgen, Anna Vassall, Nandita Venkatesan, Kitty Van Weezenbeek, Gavin Yamey, Bruce Agins, Sofia Alexandru, Jason R. Andrews, Naomi Beyeler, Stela Bivol, Grania Brigden, Adithya Cattamanchi, Danielle Cazabon, Valeriu Crudu, Amrita Daftary, Puneet Dewan, Laurie Doepel, Robert W. Eisinger, Victoria Y. Fan, Sara Fewer, Jennifer Furin, Jeremy D. Goldhaber‐Fiebert, Gabriela B. Gomez, Stephen M. Graham, Devesh Gupta, Maureen Kamene, Sunil Khaparde, Eunice Mailu, Enos Masini, Lorrie McHugh, Ellen M.H. Mitchell, Suerie Moon, Michael Osberg, Tripti Pande, Lea Prince, Kiran Rade, Raghuram Rao, Michelle Remme, James A. Seddon, Casey Selwyn, Priya B. Shete, Kuldeep Singh Sachdeva, Guy Stallworthy, Juan F Vesga, Valentina Vilc, Eric Goosby

Notice bibliographique

RevueThe Lancet · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueTuberculosis Research and Epidemiology
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesWellcome TrustWorld Health OrganizationMedical Research CouncilUnited States Agency for International Development
Mots-clésTuberculosisMedicineGlobal healthDiseasePandemicInfectious disease (medical specialty)Development economicsEconomic growthPublic healthCoronavirus disease 2019 (COVID-19)Economics

Résumé

récupéré en direct d'OpenAlex

Tuberculosis can be treated, prevented, and cured. Rapid, sustained declines in tuberculosis deaths in many countries during the past 50 years provide compelling evidence that ending the pandemic is feasible. Yet this disease—which has plagued humanity since before recorded history and has killed hundreds of millions of people over the past two centuries—remains a relentless scourge. In 2017, 1·6 million people died from tuberculosis, including 300 000 people with HIV, representing more deaths than any other infectious disease.

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)0,005
score de la tête « metaresearch » (Gemma)0,014
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: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0040,005
Science ouverte0,0020,002
Intégrité de la recherche0,0050,008
Charge utile insuffisante (le modèle a refusé de juger)0,0190,006

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 Opus0,156
Tête enseignante GPT0,430
Écart entre enseignants0,273 · 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
GenreSynthèse

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

En bref

Citations369
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Lancet→Même sujetTuberculosis Research and Epidemiology→Travaux en français237 207→