MétaCan
Menu
← Retour à la cohorte
Enregistrement W3096710364 · doi:10.1073/pnas.2020162117

Zena Werb (1945–2020): Mourning the loss of a tissue microenvironment icon

2020· article· en· W3096710364 sur OpenAlexaboutno aff
Valerie M. Weaver, Mina J. Bissell

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueHealth and Medical Research Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNazismIconEmigrationRefugeeArt historyHistoryPolitical scienceGermanComputer scienceLaw

Résumé

récupéré en direct d'OpenAlex

The science community has lost a unique voice, a fierce advocate for women in science, and a beloved mentor. Zena Werb, PhD, who was a Professor and Vice Chair in the Department of Anatomy for over 40 years, Associate Director for basic science at the University of California, San Francisco (UCSF) Helen Diller Family Comprehensive Cancer Center, and National Academy of Science member since 2015, died unexpectedly on June 16th, 2020 at the age of 75. Zena Werb ( Right ) and Mina Bissell ( Left ). Zena was an uncannily insightful, impressively intelligent, consistently honest, and refreshingly unpretentious scientist. These attributes can be traced back to her humble beginnings. Zena was born in early 1945 to Polish–Jewish parents in the Nazi concentration camp Bergen-Belsen in Germany. After the camp was liberated Zena’s mother carried her over the Swiss–Italian Alps to reunite with her father in Italy. Shortly thereafter the family joined countless refugees fleeing Europe to emigrate to Canada, where they initially settled in northern Saskatchewan. After a short stint in Saskatchewan the family relocated to a farm in southern Ontario, where Zena received her early education in a one-room schoolhouse. Notwithstanding these inauspicious beginnings, and no doubt due in large part to the fact that Zena’s parents were strong advocates of education, Zena developed an early love of math and science. Encouraged by her father Zena chose to study biochemistry at the University of Toronto, where she excelled … [↵][1]1To whom correspondence may be addressed. Email: mjbissell{at}lbl.gov. [1]: #xref-corresp-1-1

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)0,002
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: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0070,005
Communication savante0,0050,003
Science ouverte0,0000,004
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0100,005

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 Opus0,118
Tête enseignante GPT0,400
Écart entre enseignants0,282 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of Sciences→Même sujetHealth and Medical Research Impacts→Travaux en français237 207→