Inter-Institutional Partnerships to Develop Veterinarian–Investigators through the NIH Comparative Biomedical Scientist Training Program Benefit One Health Goals
Notice bibliographique
Résumé
Limitations in workforce size and access to resources remain perennial challenges to greater progress in academic veterinary medicine and engagement between human and veterinary medicine (One Health). Ongoing resource constraints occur in part due to limited public understanding of the role veterinarians play in improving human health. One Health interactions, particularly through interdisciplinary collaborations in biomedical research, present constructive opportunities to inform resource policies and advance health care. To this end, inter-institutional partnerships between individual veterinary medical education programs (VMEPs) and several National Institutes of Health (NIH) intramural research programs have created synergies beyond those provided by individual programs. In the NIH Comparative Biomedical Scientist Training Program (CBSTP), interdisciplinary cross-training of veterinarians consisting of specialty veterinary medicine coupled with training in human disease research leading to a PhD, occurs collaboratively on both VMEP and NIH campuses. Pre-doctoral veterinary student research opportunities have also been made available. Through the CBSTP, NIH investigators and national biomedical science policy makers gain access to veterinary perspective and expertise, while veterinarians obtain additional opportunities for NIH-funded research training. CBSTP Fellows serve as de facto ambassadors enhancing visibility for the profession while in residence at NIH, and subsequently through a variety of university, industry, and government research appointments, as graduates. Thus, the CBSTP represents an inter-institutional opportunity that not only addresses critical needs for veterinarian-scientists in the biomedical workforce, but also simultaneously exposes national policy makers to veterinarian-scientists' specialized training, leading to more effective realization of One Health goals to benefit human and animal health.
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 | 0,055 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,003 |
| Communication savante | 0,012 | 0,007 |
| Science ouverte | 0,006 | 0,041 |
| Intégrité de la recherche | 0,005 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 0,010 |
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 ».