Wikipedia vs Peer-Reviewed Medical Literature for Information About the 10 Most Costly Medical Conditions–I
Notice bibliographique
Résumé
cast serious doubt on Wikipedia's authority as a medical reference repository." 1 Unfortunately, the study has several flaws and limitations.Some of these were identified by the authors; however, we believe the most serious ones were overlooked.First, the reviewers only looked at 1 Wikipedia article for each condition, yet for many conditions there may be several articles available but under slightly different headings.In our research on the topic, we found more than 1 relevant Wikipedia entry for most of the healthrelated topics that we looked at. 2 Second, it seems that Hasty et al 1 had no firm criteria for selecting either the Wikipedia or the peer-reviewed articles. Several times the reviewers assessedWikipedia topics that were only weakly related to the ones they were supposed to assess.For example, for the categories of cancer, mental disorders, and heart dis-ease, they used Wikipedia articles on lung cancer, depression, and coronary artery disease, respectively.Likewise, the selection of the peer-reviewed articles was left up to the reviewers; the quality of the "standard" against which Wikipedia was compared could itself be called into question.Because the research described in this study is fraught with so many methodologic errors, we believe the results cannot be interpreted with any confidence.In particular, we challenge the authors' key conclusion that their study provides evidence that most Wikipedia articles on the 10 medical conditions they included contain "many errors."(
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 | 0,019 | 0,141 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,029 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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.
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 ».