Use and misuse of meta-analysis in Animal Science
Notice bibliographique
Résumé
In animal sciences the number of published meta-analyses increases with a rate of 15% per year highlighting an actual success. This current review focuses on the good practices and traps in the conduct of meta-analyses in animal sciences, nutrition in particular. The implementation of a meta-analysis is done in several phases after the definition of the study objectives. Clearly described rules and principles of traceability should be applied as soon as the publications are collected and selected with a target of meta-analysis. Then, the coding phase is essential because it determines the quality of the graphical and statistical interpretations of the database. Following this step, the study of the levels of orthogonality of factors and of the degree of data balance of the meta-design represents an essential phase to ensure the validity of statistical processing. The issue of the choice between fixed or random effect to study and to control heterogeneity is also discussed. It appears on the basis of several examples that this choice does not generally have any influence on the conclusions of a meta-analysis when the number of experiments is sufficient. Finally, reflections are presented on the potential interest of meta-analyses in the context of systemic approaches as well as to improve mechanistic modelling work.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,490 | 0,686 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,003 |
| Méta-épidémiologie (sens large) | 0,016 | 0,018 |
| Bibliométrie | 0,015 | 0,021 |
| Études des sciences et des technologies | 0,002 | 0,010 |
| Communication savante | 0,013 | 0,009 |
| Science ouverte | 0,008 | 0,009 |
| Intégrité de la recherche | 0,008 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».