Notice bibliographique
Résumé
Viral ImmunologyVol. 34, No. 4 EditorialHerd Immunity Against COVID-19: More Questions Than AnswersRodney S. RussellRodney S. RussellAddress correspondence to: Dr. Rodney S. Russell, BioMedical Sciences, Memorial University of Newfoundland, 300 Prince Philip Dr., St. John's, Newfoundland and Labrador A1C 5S7, Canada E-mail Address: [email protected]BioMedical Sciences, Faculty of Medicine, Memorial University of Newfoundland, St. John's, Canada.Search for more papers by this authorPublished Online:13 May 2021https://doi.org/10.1089/vim.2021.0075AboutSectionsView articleView Full TextPDF/EPUB Permissions & CitationsPermissionsDownload CitationsTrack CitationsAdd to favorites Back To Publication ShareShare onFacebookXLinked InRedditEmail View article"Herd Immunity Against COVID-19: More Questions Than Answers." Viral Immunology, 34(4), pp. 211–212FiguresReferencesRelatedDetails Volume 34Issue 4May 2021 InformationCopyright 2021, Mary Ann Liebert, Inc., publishersTo cite this article:Rodney S. Russell.Herd Immunity Against COVID-19: More Questions Than Answers.Viral Immunology.May 2021.211-212.http://doi.org/10.1089/vim.2021.0075Published in Volume: 34 Issue 4: May 13, 2021PDF download
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».