MétaCan
Menu
Retour à la cohorte
Enregistrement W2934507994 · doi:10.18332/tpc/105180

Preparing the new generation of Romanian experts in tobacco control: PhD studies in the field

2019· article· en· W2934507994 sur OpenAlexfundno aff
Ioana Buculei Porosnicu, Cristina Vicol, Cristinel Ștefănescu, Antigona Trofor

Notice bibliographique

RevueTobacco Prevention & Cessation · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensnon disponible
Organismes subventionnairesThird Health ProgrammeUniversity of WaterlooCanadian Institutes of Health ResearchEuropean Commission
Mots-clésRomanianTobacco controlField (mathematics)Clinical PracticePolitical scienceEnvironmental healthMedicineHumanitiesPsychologyArtFamily medicinePhilosophyPathologyMathematics

Résumé

récupéré en direct d'OpenAlex

Scientific progresses and new regulatory global context about tobacco use and cessation have created attractive opportunities for young researchers seeking for a PhD in the field. As such, three most relevant ongoing PhD research topics at the University of Medicine and Pharmacy “Grigore T. Popa” Iasi were selected for presentation: 1. “Air pollution and tobacco smoke interactions in COPD” (to investigate cumulated effect of tobacco smoking and air pollution on clinical course and treatment benefits in COPD, in the actual upsetting increased local environmental pollution frame). 2. “Smoking and oxidative stress in mixed anxious and depressive disorder”( to reveal interactions between oxidative stress and tobacco smoking in mixed anxious an depressive disorders, to ascertain clinical practice benefits of tobacco exposure biomarkers in use and propose new such markers 1 to improve disease management). 3. “Personalized tobacco treatment" algorithms for smokers at high respiratory risk” (to develop and implement clinical practice personalized algorithms to treat tobacco dependence in smokers at high risk for respiratory disease and to test their feasibility in a real life respiratory disease clinical setting).

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)0,016
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0030,002
Communication savante0,0070,003
Science ouverte0,0020,006
Intégrité de la recherche0,0040,008
Charge utile insuffisante (le modèle a refusé de juger)0,0240,010

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 Opus0,063
Tête enseignante GPT0,343
Écart entre enseignants0,280 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTobacco Prevention & CessationMême sujetNutritional Studies and DietTravaux en français237 207