Enregistrement W3015197879 · doi:10.1016/s2215-0366(20)30168-1

Multidisciplinary research priorities for the COVID-19 pandemic: a call for action for mental health science

2020· review· en· W3015197879 sur OpenAlexfundno aff

Emily A. Holmes, Rory C. O’Connor, V. Hugh Perry, Irene Tracey, Simon Wessely, Louise Arseneault, Clive Ballard, Helen Christensen, Roxane Cohen Silver, Ian Everall, Tamsin Ford, Ann John, Thomas Kabir, Kate King, Ira Madan, Susan Michie, Andrew K Przybylski, Roz Shafran, Angela Sweeney, Carol M. Worthman, Lucy Yardley, Katherine Cowan, Claire Cope, Matthew Hotopf, Edward T. Bullmore

Notice bibliographique

RevueThe Lancet Psychiatry · 2020

Typereview

Langueen

DomainePsychology

ThématiqueCOVID-19 and Mental Health

Établissements canadiensnon disponible

Organismes subventionnairesMedical Research FoundationJohn Fell Fund, University of OxfordMedical Research CouncilNIHR Maudsley Biomedical Research CentreEconomic and Social Research CouncilUniversity of CambridgeNational Institute for Health Research Southampton Biomedical Research CentreUppsala UniversitetHuo Family FoundationVetenskapsrådetUniversity of GlasgowChief Scientist OfficeKing's College LondonScottish GovernmentLupina FoundationLeverhulme TrustNational Institute for Health and Care ResearchDepartment for Business, Energy and Industrial Strategy, UK GovernmentNHS Health ScotlandAcademy of Medical SciencesMQ: Transforming Mental HealthBritish AcademyOak FoundationNational Science Foundation

Mots-clésCoronavirus disease 2019 (COVID-19)PandemicCall to actionMultidisciplinary approach2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Mental healthAction (physics)Coronavirus InfectionsBetacoronavirusMEDLINEPsychologyMedicineData sciencePsychiatryVirologyComputer sciencePolitical scienceSociologyBusinessSocial scienceDiseaseInfectious disease (medical specialty)Pathology

DOI10.1016/s2215-0366(20)30168-1

Résumé

récupéré en direct d'OpenAlex

Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011

score de la tête « metaresearch » (Gemma)0,018

Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated

Catégories candidatesaucune

Catégories consensuellesaucune

DomaineSignal candidat: aucune · Signal consensuel: aucune

Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet

GenreSignal candidat: Synthèse · Signal consensuel: Synthèse

Score de désaccord entre enseignants0,026

Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

Catégorie	Codex	Gemma
Métarecherche	0,011	0,018
Méta-épidémiologie (sens strict)	0,001	0,001
Méta-épidémiologie (sens large)	0,005	0,004
Bibliométrie	0,003	0,003
Études des sciences et des technologies	0,002	0,004
Communication savante	0,005	0,009
Science ouverte	0,003	0,007
Intégrité de la recherche	0,014	0,018
Charge utile insuffisante (le modèle a refusé de juger)	0,026	0,005

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.

Tête enseignante Opus0,660

Tête enseignante GPT0,648

Écart entre enseignants0,012 · la distance entre les deux têtes enseignantes sur ce seul travail

Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.

Devis d'étudeSans objet

Domainenon disponible

GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6 054

Publié2020

Routes d'admission1

Résumé présentnon

Télécharger la notice (JSON)Signaler un problème avec cette notice

Explorer davantage

Même revueThe Lancet Psychiatry→Même sujetCOVID-19 and Mental Health→Travaux en français237 207→