Scientific Overview on CSCI-CITAC Annual General Meeting and 2018 Young Investigators’ Forum
Notice bibliographique
Résumé
The 2018 Annual General Meeting (AGM) and Young Investigators’ Forum (YIF) of the Canadian Society of Clinician Investigators (CSCI) and Clinician Investigator Trainee Association of Canada/Association des Cliniciens-Chercheurs en Formation du Canada (CITAC/ACCFC) was held in Toronto, Ontario on November 19–20, 2018, in conjunction with the University of Toronto Clinician Investigator Program Research Day. The theme for the meeting was “Prepare for Success—Things to Master Now for Clinician Scientists in Training”; with lectures and workshops that were designed to provide knowledge and hands-on skills to navigate life as a clinician investigator. The opening remarks were by Jason Berman (President of CSCI), Josh Abraham (President of CITAC/ACCFC) and Nicola Jones (University of Toronto Clinician Investigator Symposium Chair). The keynote speakers were Dr. Ruth Ann Marrie (University of Manitoba), who received the Distinguished Scientist Award, Dr. Davinder Jassal (University of Manitoba), who received the CSCI-RCPSC Henry Friesen Award, and Dr. Aleixo Muise (University of Toronto), who received the Joe Doupe Young Investigator Award. Dr. Minna Woo (University of Toronto), Canada Research Chair in Diabetes Signal Transduction, delivered the keynote lecture “From Onion Cells to Single Cell Seq—A Constant Change in Lenses: A perspective of an evolving clinician scientist”. The workshops, focusing on career development for clinician-scientists, were hosted by Drs. Robert Chen, Stephen Juvet, Lorraine Kalia, Phyllis Billia, Neil Goldenberg, Nicola Jones, Srdjanaa Filipovic, Jason Berman, Josh Abraham, Melanie Szweras, Joseph Ferenbok and Uri Tabori. The AGM also included presentations from clinician investigator trainees from across the country, and these abstracts are summarized in this review. Over 80 abstracts were showcased at this year’s meeting during the poster session, with six outstanding abstracts selected for oral presentations during the President’s Forum.
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 | 0,020 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,011 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,113 | 0,073 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».