MétaCan
Menu
Retour à la cohorte
Enregistrement W3047959777 · doi:10.1159/000506559

They Got Very Near the Goal: Zülzer, Scott, and Paulescu

2020· book-chapter· en· W3047959777 sur OpenAlexaboutno aff
Viktor Jörgens

Notice bibliographique

RevueFrontiers in diabetes · 2020
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueCyprus History, Politics, Society
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyHistory

Résumé

récupéré en direct d'OpenAlex

Of the many investigators who went in search of the blood sugar-lowering hormone, three came very close to the goal. They owned patents for their extracts and, following the discoveries in Toronto, they attempted to claim their precedence. Georg Ludwig Zülzer in Berlin treated animals and patients with his acomatol – initially the results were inconsistent but in later years, together with Dr. Camille Reuter from Roche, a very effective insulin preparation was produced – sadly just at the time when the First World War began in 1914. The project ended with the war. In Chicago, Ernest Lyman Scott produced an effective extract when working on his thesis – but sadly the publication of his results was written so badly by his head of department that the manuscript passed unnoticed. Nicolai Paulescu produced insulin in Bucharest and observed positive effects in animals and patients. The results were published shortly before the work of Banting and Best, and for many years he and his Romanian colleagues fought for the recognition of his contribution to the discovery of insulin. His unforgivable extreme right-wing political activities only became known internationally after many years. The stories of the various reasons for the failures to produce a suitable extract for the treatment of diabetes is a lesson that teaches us how to avoid pitfalls in research.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,004
Communication savante0,0050,008
Science ouverte0,0010,002
Intégrité de la recherche0,0020,007
Charge utile insuffisante (le modèle a refusé de juger)0,0110,005

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 Opus0,014
Tête enseignante GPT0,232
Écart entre enseignants0,218 · 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
GenreAutre

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

En bref

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in diabetesMême sujetCyprus History, Politics, SocietyTravaux en français237 207