Doing What We Know, Knowing What to Do: Californians Linking Action with Science for Prevention of Breast Cancer (CLASP-BC)
Notice bibliographique
Résumé
Given the lack of progress in breast cancer prevention, the California Breast Cancer Research Program (CBCRP) plans to apply current scientific knowledge about breast cancer to primary prevention at the population level. This paper describes the first phase of Californians Linking Action with Science for Prevention of Breast Cancer (CLASP-BC). The foci of Phase 1 are building coalitions and coalition capacity building through community engagement in community-based participatory research (CBPR) and dissemination and implementation (D&I) research training. Based on the successful implementation and evaluation of Phase 1, the foci of Phase 2 (presented separately in this special issue) will be to translate the California Breast Cancer Prevention Plan overarching goal and specific intervention goals for 23 breast cancer risk and protective factors strategies into evidence-informed interventions (EIIs) that are disseminated and implemented across California. CLASP-BC is designed to identify, disseminate and implement high-impact, population-based prevention approaches by funding large scale EIIs, through multi-jurisdictional actions, with the intent to decrease the risk of breast cancer and other chronic diseases (sharing common risk factors), particularly among racial/ethnic minorities and medically underserved populations in California.
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 | 0,036 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,011 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,003 | 0,013 |
| Intégrité de la recherche | 0,005 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».