MétaCan
Menu
Retour à la cohorte
Enregistrement W2946583781 · doi:10.1002/bies.201900007

Multidisciplinarity in Microbiome Research: A Challenge and Opportunity to Rethink Causation, Variability, and Scale

2019· review· en· W2946583781 sur OpenAlexafffund
Katherine R. Amato, Corinne F. Maurice, Karen Guillemin, Tamara Giles‐Vernick

Notice bibliographique

RevueBioEssays · 2019
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensMcGill UniversityCanadian Institute for Advanced Research
Organismes subventionnairesAgence Nationale de la RechercheNational Institute of General Medical SciencesCanadian Institute for Advanced ResearchFoundation for the National Institutes of Health
Mots-clésMicrobiomeField (mathematics)CausationMultidisciplinary approachEngineering ethicsEcologyScale (ratio)Data scienceEnvironmental ethicsSociologyEpistemologyBiologySocial scienceComputer scienceGeographyEngineeringBioinformatics

Résumé

récupéré en direct d'OpenAlex

This essay, written by a biologist, a microbial ecologist, a biological anthropologist, and an anthropologist-historian, examines tensions and translations in microbiome research on animals in the laboratory and field. The authors trace how research questions and findings in the laboratory are extrapolated into the field and vice versa, and the shifting evidentiary standards that these research settings require. Showing how complexities of microbiomes challenge traditional standards of causation, the authors contend that these challenges require new approaches to inferences used in ecology, anthropology, and history. As social scientists incorporate investigations of microbial life into their human studies, microbiome researchers venture into field settings to develop mechanistic understandings about the functions of complex microbial communities. These efforts generate new possibilities for cross-fertilizations and inference frameworks to interpret microbiome findings. Microbiome research should integrate multiple scales, levels of variability, and other disciplinary approaches to tackle questions spanning conditions from the laboratory to the field.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,223
Tête enseignante GPT0,446
Écart entre enseignants0,223 · 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 tête enseignante, pas un consensus.

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

Citations18
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioEssaysMême sujetGut microbiota and healthTravaux en français237 207