Spatial Lifecourse Epidemiology Reporting Standards (ISLE-ReSt) statement
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Spatial lifecourse epidemiology is an interdisciplinary field that utilizes advanced spatial, location-based, and artificial intelligence technologies to investigate the long-term effects of environmental, behavioural, psychosocial, and biological factors on health-related states and events and the underlying mechanisms. With the growing number of studies reporting findings from this field and the critical need for public health and policy decisions to be based on the strongest science possible, transparency and clarity in reporting in spatial lifecourse epidemiologic studies is essential. A task force supported by the International Initiative on Spatial Lifecourse Epidemiology (ISLE) identified a need for guidance in this area and developed a Spatial Lifecourse Epidemiology Reporting Standards (ISLE-ReSt) Statement. The aim is to provide a checklist of recommendations to improve and make more consistent reporting of spatial lifecourse epidemiologic studies. The STrengthening the Reporting of Observational Studies in Epidemiology (STROBE) Statement for cohort studies was identified as an appropriate starting point to provide initial items to consider for inclusion. Reporting standards for spatial data and methods were then integrated to form a single comprehensive checklist of reporting recommendations. The strength of our approach has been our international and multidisciplinary team of content experts and contributors who represent a wide range of relevant scientific conventions, and our adherence to international norms for the development of reporting guidelines. As spatial, location-based, and artificial intelligence technologies used in spatial lifecourse epidemiology continue to evolve at a rapid pace, it will be necessary to revisit and adapt the ISLE-ReSt at least every 2-3 years from its release.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 découle