MétaCan
Menu
Retour à la cohorte
Enregistrement W3177301262 · doi:10.51437/jgns.v1i1.29

A Seat at the Table: Representation of Global Neurosurgery in the G4 Alliance

2021· article· en· W3177301262 sur OpenAlexaff
Ulrick Sidney Kanmounye, Natalie Shenaman, Marj Ratel, Kee B. Park, Sarah Woodrow, Comrade Lawal-Aiyedun, Suzanne Tharin, Tariq Khan, Makinah Haq, Elliott Taylor, William Harkness, Nathan A. Shlobin, Richard Moser, Josh Korn, Robert J. Dempsey, Gail Rosseau

Notice bibliographique

RevueJOURNAL OF GLOBAL NEUROSURGERY · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Health and Surgery
Établissements canadiensKorle Bu Neuroscience Foundation
Organismes subventionnairesnon disponible
Mots-clésAllianceGrassrootsOutreachPublic relationsCivil societyGlobal healthPolitical scienceHealth careMedicineBusinessLaw

Résumé

récupéré en direct d'OpenAlex

The Global Alliance for Surgical, Obstetric, Trauma and Anaesthesia Care (G4 Alliance, http://www.theg4alliance.org/) is thepreeminent global surgery advocacy organization (1) dedicated to eliminating disparities in surgical care around the world. A coalitionof over 60 non-profit organizations, professional societies, academic centers, and other groups, the G4 Alliance represents civil societyinterests in global surgery from the grassroots to the international level. The organization convenes its membership to address commoninterests and concerns, facilitates knowledge and resource sharing, builds consensus and alignment, and conducts outreach withmultilateral organizations, donors, and other global health programs and advocacy initiatives. In a sector characterized by diverseactors and fragmentation of care delivery, scholarship, and funding (2,3), the G4 Alliance provides communication and coordinationaround a common surgical and health system strengthening agenda. The purpose of this paper is to highlight the multiple organizationsthat specifically contribute to neurosurgical advocacy within the G4 Alliance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0120,006
Communication savante0,0130,008
Science ouverte0,0010,018
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0320,002

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 Opus0,030
Tête enseignante GPT0,327
Écart entre enseignants0,297 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations18
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJOURNAL OF GLOBAL NEUROSURGERYMême sujetGlobal Health and SurgeryTravaux en français237 207