Implementing the SRRR taskforce recommendations to transform stroke recovery research
Notice bibliographique
Résumé
Implementing the SRRR taskforce recommendations to transform stroke recovery researchStroke is the second biggest killer worldwide in people over 60 and disproportionately affects people in resource-poor countries.Research implementation over the past 25 years has successfully led to a number of acute treatments that have dramatically improved survival and outcomes for people with stroke.High-quality research and consensus in methodological approaches to stroke recovery and rehabilitation research is now more vital than ever, to deliver successful evidence-based interventions that will enable an increasing number of stroke survivors to have a better life after stroke.We know that many stroke survivors are not getting the post-acute care and support that they need, and a key part of our role to ensure this happens is to fund robust, game-changing research for implementation in healthcare policy and practice to support survivors' recovery and help them rebuild their lives after stroke.As funders, we have a responsibility to spend our publicly donated funds very carefully, on highquality research that leads to impact for patients.
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 | 0,052 | 0,144 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,009 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,020 | 0,009 |
| Science ouverte | 0,008 | 0,004 |
| Intégrité de la recherche | 0,048 | 0,050 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,024 |
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 ».