MétaCan
Menu
Retour à la cohorte
Enregistrement W3212823760 · doi:10.1183/16000617.0217-2021

Sex and gender in lung health and disease: more than just Xs and Ys

2021· letter· en· W3212823760 sur OpenAlexaff
Jason Weatherald, Renata L. Riha, Marc Humbert

Notice bibliographique

RevueEuropean Respiratory Review · 2021
Typeletter
Langueen
DomaineMedicine
ThématiqueAsthma and respiratory diseases
Établissements canadiensLibin Cardiovascular Institute of AlbertaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineDiseaseAsthmaSex characteristicsSociocultural evolutionConstruct (python library)Developmental psychologyPhysiologyGerontologyInternal medicinePsychology

Résumé

récupéré en direct d'OpenAlex

Every nucleated human cell carries sex chromosomes and every person has a gender. These terms “sex” and “gender” are often used interchangeably and incorrectly in the scientific literature, but they mean different things: sex is a biological attribute associated with physical and physiological features determined by chromosomes, hormones, anatomy and gene expression; whereas gender is a sociocultural construct based on expressions of identity, behaviours and social roles [1]. Thus, sex and gender-related factors can both influence health and disease via distinct but intersecting mechanisms. There are important sex differences in lung development that start in utero and during childhood, which ultimately influence respiratory function in adulthood. Women are predisposed to higher rates of several pulmonary diseases such as asthma and pulmonary arterial hypertension. Gender-related factors can also influence pulmonary disease in a variety of ways, including gender differences in occupational exposures, health-seeking behaviours or access to healthcare, and other behaviours such as tobacco use. A new series explores the role of sex and gender-related factors in respiratory physiology, lung health, and across respiratory diseases

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)0,004
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut 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: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0020,006
Science ouverte0,0010,002
Intégrité de la recherche0,0210,025
Charge utile insuffisante (le modèle a refusé de juger)0,0110,009

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 Opus0,074
Tête enseignante GPT0,338
Écart entre enseignants0,263 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Respiratory ReviewMême sujetAsthma and respiratory diseasesTravaux en français237 207