MétaCan
Menu
Retour à la cohorte
Enregistrement W3210891290 · doi:10.1161/cir.0000000000001027

Impact of the COVID-19 Pandemic on Cardiovascular Science: Anticipating Problems and Potential Solutions: A Presidential Advisory From the American Heart Association

2021· review· en· W3210891290 sur OpenAlexaff
Elizabeth M. McNally, Mitchell S.V. Elkind, Ivor J. Benjamin, Mina K. Chung, Glenn H. Dillon, Adrian F. Hernandez, Chinwe Ibeh, Donald M. Lloyd‐Jones, Louise D. McCullough, Loren E. Wold, Davene R. Wright, Joseph C. Wu

Notice bibliographique

RevueCirculation · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueHealth and Medical Research Impacts
Établissements canadiensDillon Consulting
Organismes subventionnairesNational Heart, Lung, and Blood InstituteU.S. Department of Veterans Affairs
Mots-clésPandemicWorkforceCoronavirus disease 2019 (COVID-19)Software deploymentHealth carePublic relationsMedicinePolitical scienceBusinessMedical educationDiseaseInfectious disease (medical specialty)Computer science

Résumé

récupéré en direct d'OpenAlex

The coronavirus disease 2019 (COVID-19) pandemic has had worldwide repercussions for health care and research. In spring 2020, most non-COVID-19 research was halted, hindering research across the spectrum from laboratory-based experimental science to clinical research. Through the second half of 2020 and the first half of 2021, biomedical research, including cardiovascular science, only gradually restarted, with many restrictions on onsite activities, limited clinical research participation, and the challenges associated with working from home and caregiver responsibilities. Compounding these impediments, much of the global biomedical research infrastructure was redirected toward vaccine testing and deployment. This redirection of supply chains, personnel, and equipment has additionally hampered restoration of normal research activity. Transition to virtual interactions offset some of these limitations but did not adequately replace the need for scientific exchange and collaboration. Here, we outline key steps to reinvigorate biomedical research, including a call for increased support from the National Institutes of Health. We also call on academic institutions, publishers, reviewers, and supervisors to consider the impact of COVID-19 when assessing productivity, recognizing that the pandemic did not affect all equally. We identify trainees and junior investigators, especially those with caregiving roles, as most at risk of being lost from the biomedical workforce and identify steps to reduce the loss of these key investigators. Although the global pandemic highlighted the power of biomedical science to define, treat, and protect against threats to human health, significant investment in the biomedical workforce is required to maintain and promote well-being.

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)0,039
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,961
Score d'incertitude au seuil0,207

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0390,049
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0060,004
Communication savante0,0130,009
Science ouverte0,0050,005
Intégrité de la recherche0,0230,042
Charge utile insuffisante (le modèle a refusé de juger)0,0070,004

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 Opus0,262
Tête enseignante GPT0,474
Écart entre enseignants0,212 · 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.

Devis d'étudeSans objet
DomaineMéthodes
GenreSynthèse

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

En bref

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculationMême sujetHealth and Medical Research ImpactsTravaux en français237 207