MétaCan
Menu
Retour à la cohorte
Enregistrement W4210497372 · doi:10.5272/jimab.2022281.4211

INSTITUTIONALIZATION PATTERNS IN BREAST CANCER IMMUNOHISTOCHEMISTRY

2022· article· en· W4210497372 sur OpenAlexaboutno aff
Galina Yaneva, Tsonka Dimitrova, Dobri Ivanov, Gergana Ingilizova, Sergei Slavov

Notice bibliographique

RevueJournal of IMAB - Annual Proceeding (Scientific Papers) · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScopusMEDLINEWeb of scienceLibrary scienceCitationBreast cancerScience Citation IndexImpact factorCitation analysisBibliometricsMedicineFamily medicineCancerPolitical scienceInternal medicineComputer science

Résumé

récupéré en direct d'OpenAlex

Purpose: The objective of the present study is to analyze scientometrically some essential patterns of the dynamic science institutionalization on breast cancer immunohistochemistry and to outline the most significant scientists, journals, scientific institutions conference proceedings in this interdisciplinary field. Material/Methods: In December 2019, a retrospective problem-oriented, title-word based search was performed in Web of Science Core Collection (WoS), MEDLINE and BIOSIS Citation Index (BIOSIS) of Web of Knowledge as well as in Scopus for 2003-2018. The following parameters were comparatively assessed: annual dynamics of publications, author’s names, journal titles, scientific institutions, and scientific forums. Results: There were 1187 publications abstracted in WoS, 776 publications abstracted in BIOSIS, 711 publications abstracted in Scopus, and 616 publications abstracted in MEDLINE. There were journal articles in 288 journals abstracted in WoS, in 234 journals abstracted in MEDLINE, in 156 journals abstracted in Scopus, and in 140 journals abstracted in BIOSIS. The most productive authors were David G. Hicks, Rohit Bhargava and Ian O. Ellis. The ‘core’ journals were Modern Pathology, Laboratory Investigation and Cancer Research. The most influential scientific institutions were the University of Texas System (USA) and the University of Texas MD Anderson Cancer Center (USA). The annual meetings of the US and Canadian Academy of Pathology and the Annual San Antonio Breast Cancer symposia were most attractive to the investigators worldwide. Conclusion:Our comprehensive results could be of interest to breast cancer researchers and clinicians from smaller countries, institutional science managers, and journal editors.

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)0,025
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,029
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0290,037
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,008
Tête enseignante GPT0,291
Écart entre enseignants0,282 · 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'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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of IMAB - Annual Proceeding (Scientific Papers)Même sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207