MétaCan
Menu
Retour à la cohorte
Enregistrement W2944155173 · doi:10.1016/j.ekir.2019.04.019

Global Health Training Opportunities in North American Nephrology Fellowships

2019· editorial· en· W2944155173 sur OpenAlexaffabout
Robert Rope, Jeffrey Perl, Shuchi Anand, Kamyar Kalantar‐Zadeh, Adeera Levin, Agnes B. Fogo, Alfred K. Cheung, Allison A. Eddy, Amit X. Garg, Bertram L. Kasiske, Everard Barton, Fredric O. Finkelstein, Joanne M. Bargman, John Gill, Jorge Cerdá, Joseph V. Bonventre, Julie R. Ingelfinger, Karen Yeates, Karina Sotomayor, Kenrick Berend, Kumar Sharma, Lance D. Dworkin, Marcello Tonelli, Matthew A. Weir, Michael V. Rocco, Michele Trask, Myles Wolf, Ravindra L. Mehta, Raymond Harris, Sharon Andreoli, Stuart J. Shankland, Susan E. Quaggin, Tushar J. Vachharajani

Notice bibliographique

RevueKidney International Reports · 2019
Typeeditorial
Langueen
DomaineMedicine
ThématiqueGlobal Health and Surgery
Établissements canadiensUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesInternational Society of Nephrology
Mots-clésMedicineGlobeGlobal healthSisterHealth careFamily medicineScopusMedical educationLibrary scienceMEDLINEPublic healthPolitical scienceNursingOphthalmology

Résumé

récupéré en direct d'OpenAlex

Expanding global health training opportunities in North American nephrology training programs can build clinical, research, and education capacity in collaborating low- and middle-income countries (LMIC). At the same time, these collaborations may help achieve ambitious initiatives to improve care, such as the International Society of Nephrology (ISN) “0by25” program to eliminate preventable deaths from acute kidney injury (AKI) by 2025 worldwide.1 ISN programs such as the Sister Center and Educational Ambassadors programs aim to bridge the gap in care between nascent programs in LMIC and more established programs around the globe.

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)0,012
score de la tête « metaresearch » (Gemma)0,016
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: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,234

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0060,002
Communication savante0,0050,005
Science ouverte0,0020,018
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0700,006

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 Opus0,039
Tête enseignante GPT0,352
Écart entre enseignants0,313 · 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
GenreÉditorial

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

En bref

Citations1
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueKidney International ReportsMême sujetGlobal Health and SurgeryTravaux en français237 207