MétaCan
Menu
Retour à la cohorte
Enregistrement W3158265552 · doi:10.1200/go.20.00600

Contributions to the American Society of Hematology Meeting From Low- and Middle-Income Countries: An In-Depth Analysis and Call to Action

2021· article· en· W3158265552 sur OpenAlexaff
Andrés Gómez‐De León, Perla R. Colunga‐Pedraza, Luz Tarín‐Arzaga, Emmanuel Bugarín-Estrada, Omar Cantú-Martínez, José Carlos Jaime‐Pérez, David Gómez‐Almaguer

Notice bibliographique

RevueJCO Global Oncology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Health and Surgery
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésLow and middle income countriesGeneral partnershipMiddle incomeMiddle income countryMedicinePolitical scienceDeveloping countryFamily medicineEconomic growthSocioeconomicsDemographic economicsSociology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Establishing research capacity in low- and middle-income countries (LMICs) is key for improving the outcomes of patients with hematologic diseases globally. Few studies have analyzed the contributions of LMICs to global hematology. The American Society of Hematology Meeting (ASH) is the largest international academic event where peer-reviewed contributions in our field are presented. METHODS: In this cross-sectional analysis, all abstracts accepted to ASH 2018 selected for a poster or oral presentation were reviewed. Those that had a contributing author from an LMIC were identified. The proportion of LMIC abstracts across categories was analyzed. Country of origin, high-income country participation, the presence of a conflict of interest (COI), and sponsorship were determined. RESULTS: From 4,871 abstracts reviewed, 506 had a contributing author from an LMIC (10.4%), with 277 (54.7%) contributions in partnership with a high-income country. LMIC-independent contributions corresponded to 19 of 1,026 oral abstracts (1.9%) and 209 of 3,845 posters (5.4%). Most abstracts from LMICs were clinical (n = 311; 61.5%) and multicentric in nature (n = 353; 69.8%). COI statements with the pharmaceutical industry were common (n = 214; 42.3%). Collaboration between LMICs was infrequent (n = 33; 6.5%). Upper-middle-income countries had 466 participations (81.5%), in comparison with 96 (16.8%) in low-middle-income and 10 (1.7%) in low-income countries. CONCLUSION: LMICs were responsible for a small fraction of abstracts at ASH18; low-income countries were practically absent. Almost half of accepted works represented a form of international collaboration, with clinical, multicenter studies predominating and COI disclosures a frequent and unexpected feature, reflecting the instrumental nature of LMIC participation and a lack of independent, robust, locally developed hematology 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 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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,022
Tête enseignante GPT0,377
Écart entre enseignants0,355 · 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'étudeObservationnel
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJCO Global OncologyMême sujetGlobal Health and SurgeryTravaux en français237 207