Daniel Smith Lamb (1843–1929): A window into the early histories of the Army Medical Museum and Howard University Medical School
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
U.S. Army doctor Daniel Smith Lamb was a significant figure in the history of American pathology during its formative years. For 55 years (1865-1920), Lamb performed hundreds of autopsies in and around Washington, D.C. and personally collected over 1,500 gross pathology specimens for the Army Medical Museum. His work began at the close of the Civil War and continued on through World War I, contributing substantially to gross pathological and histological studies that documented wartime pathology, thus further contributing to the training of Army doctors. Specimens he collected also include material from autopsies he conducted on President James Garfield, his assassin Charles Guiteau, and other historical figures. Under the auspices of the Army Medical Museum, he conducted autopsies across the city of Washington for the museum's collection, many of which survive to this day at the National Museum of Health and Medicine. He served under 12 U.S. Army Surgeons General and 11 Museum Curators and was noted to be a steadying influence during a time of constant leadership changes at that institution. Lamb was known throughout Washington, D.C. as an advocate of medical education for African-Americans and women. While working at the Museum, he simultaneously served for 46 years as professor of anatomy at Howard University (1877-1923). He wrote seminal histories of the institutions with which he was associated and in so doing also contributed significantly to the study of the history of medicine.
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 | 0,004 | 0,026 |
| 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 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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