MétaCan
Menu
← Retour à la cohorte
Enregistrement W4210655334 · doi:10.21203/rs.3.rs-1292258/v1

The burden of injury in Central, Eastern, and Western European sub-region: a systematic analysis from the Global Burden of Disease 2019 Study

2022· preprint· en· W4210655334 sur OpenAlexaff
Periklis Charalampous, Juanita A. Haagsma, Filippo Ariani, Anne Gallay, Kim Moesgaard Iburg, Evangelia Nena, Che Henry Ngwa, Alexander Rommel, Ausra Zelviene, Kedir Hussein Abegaz, Hanadi Al Hamad, Luciana Albano, Cătălina Liliana Andrei, Tudorel Andrei, Ippazio Cosimo Antonazzo, Olatunde Aremu, Ashokan Arumugam, Alok Atreya, Avinash Aujayeb, José Luís Ayuso‐Mateos, Luchuo Engelbert Bain, Maciej Banach, Till Bärnighausen, Francesco Barone‐Adesi, Massimiliano Beghi, Derrick Bennett, Akshaya Srikanth Bhagavathula, Félix Carvalho, Giulio Castelpietra, Joht Singh Chandan, Rosa A S Couto, Natália Martins, Giovanni Damiani, Άννα Δαστιρίδου, Andreas K. Demetriades, Diana Dias da Silva, Adeniyi Francis Fagbamigbe, Seyed‐Mohammad Fereshtehnejad, Eduarda Fernandes, Pietro Ferrara, Florian Fischer, Urbano Fra Paleo, Silvia Ghirini, James Glasbey, Ionela-Roxana Glăvan, Nelson G. M. Gomes, Michal Grivna, Netanja I. Harlianto, Josep María Haro, M. Tasdik Hasan, Sorin Hostiuc, Ivo Iavicoli, Milena Ilić, Irena Ilić, Mihajlo Jakovljević, Jost B. Jonas, Jacek Jerzy Jozwiak, Mikk Jürisson, Joonas H. Kauppila, Gbenga A Kayode, Moien AB Khan, Adnan Kısa, Sezer Kısa, Ai Koyanagi, Manasi Kumar, Om Kurmi, Carlo La Vecchia, Demetris Lamnisos, Savita Lasrado, Paolo Lauriola, Shai Linn, Joana A. Loureiro, Raimundas Lunevičius, Áurea Madureira-Carvalho, Enkeleint A. Mechili, Azeem Majeed, Ritesh G. Menezes, Alexios‐Fotios A. Mentis, Atte Meretoja, Tomislav Meštrović, Tomasz Miazgowski, Bartosz Miazgowski, Andreea Mirică, Mariam Molokhia, Shafiu Mohammed, Lorenzo Monasta, Francesk Mulita, Mukhammad David Naimzada, Ionuţ Negoi, Subas Neupane, Bogdan Oancea, Hans Orru, Adrian Oţoiu, Nikita Otstavnov, Stanislav S Otstavnov, Alicia Padrón‐Monedero, Songhomitra Panda‐Jonas, Shahina Pardhan, Jay Patel, Paolo Pedersini, Marina Pinheiro, Ivo Rakovac, Chythra R Rao, Salman Rawaf, David Laith Rawaf, Violet Rodrigues, Luca Ronfani, Dominic Sagoe, Francesco Sanmarchi, Milena M Santric-Milicevic, Brijesh Sathian, Aziz Sheikh, Rahman Shiri, Siddharudha Shivalli, Inga Dóra Sigfúsdóttir, Rannveig Sigurvinsdóttir, Valentin Yurievich Skryabin, Anna Aleksandrovna Skryabina, Catalin-Gabriel Smarandache, Bogdan Socea, Raúl A. R. C. Sousa, Paschalis Steiropoulos, Rafael Tabarés‐Seisdedos, Marcos Roberto Tovani‐Palone, Fimka Tozija, Sarah Van de Velde, Tommi Vasankari, Massimiliano Veroux, Francesco Saverio Violante, Vasily Vlassov, Yanzhong Wang, Ali Yadollahpour, Sanni Yaya, Михаил Сергеевич Застрожин, Anasthasia Zastrozhina, Suzanne Polinder, Marek Majdán

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesBill and Melinda Gates Foundation
Mots-clésBurden of diseaseDiseaseGeographyPolitical scienceMedicinePathology

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,003
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: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil0,142

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,007
Bibliométrie0,0050,010
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,082
Tête enseignante GPT0,395
Écart entre enseignants0,313 · 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'étudeMéta-analyse
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

Citations1
Publié2022
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueResearch Square→Même sujetClimate Change and Health Impacts→Travaux en français237 207→