MétaCan
Menu
Retour à la cohorte
Enregistrement W3157621523 · doi:10.1016/s1470-2045(21)00244-8

Cancer and COVID-19 vaccines: a complex global picture

2021· article· en· W3157621523 sur OpenAlexafffund
Muhammed Aasim Yusuf, Diana Sarfati, Christopher M. Booth, C.S. Pramesh, Dorothy Lombe, Ajay Aggarwal, Nirmala Bhoo‐Pathy, Audrey Tieko Tsunoda, Verna Vanderpuye, Tezer Kutluk, Alice Sullivan, Deborah Mukherji, Miriam Mutebi, Mieke Van Hemelrijck, Richard Sullivan

Notice bibliographique

RevueThe Lancet Oncology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensQueen's University
Organismes subventionnairesGuy's and St Thomas' NHS Foundation TrustMenzies Centre for Australian Studies, King's College London, University of LondonScience and Technology Facilities CouncilEconomic and Social Research CouncilHomi Bhabha National InstituteFaculty of Medicine, American University of BeirutTata Memorial CentreQueen's UniversityHacettepe ÜniversitesiUniversiti MalayaNational Institute for Health and Care ResearchAmerican University of BeirutCancer Research InstitutePfizerUniversity of WarwickKing's College London
Mots-clésMedicineCancerPandemicVaccinationCoronavirus disease 2019 (COVID-19)PopulationDisadvantagedFamily medicineGlobal healthPublic healthDiseaseEnvironmental healthInternal medicineEconomic growthVirologyPathologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,426
Score d'incertitude au seuil0,830

Scores Codex et Gemma par catégorie

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

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 Opus0,197
Tête enseignante GPT0,502
Écart entre enseignants0,305 · 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 tête enseignante, 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
GenreEmpirique

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

En bref

Citations26
Publié2021
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueThe Lancet OncologyMême sujetCOVID-19 and healthcare impactsTravaux en français237 207