Notice bibliographique
Résumé
The reviews contained in the 2019 synopsis were written by fellows of the American Academy of Pediatrics Section on Allergy and Immunology, fellows in allergy and immunology, and pediatrics residents in training programs who contributed reviews with their mentors.The editors selected the journals to be reviewed on the basis of the likelihood that they would contain articles on allergy and immunology that would be of value and interest to the pediatrician. Each journal was assigned to a voluntary reviewer who was responsible for selecting articles and writing reviews of their articles. Only articles of original research were selected for review. Final selection of the articles to be included was made by the editor.The 2018 to 2019 journals chosen for review were as follows: Allergy; American Journal of Respiratory and Critical Care Medicine; Annals of Allergy, Asthma, and Immunology; Archives of Disease in Childhood; Clinical and Experimental Allergy; EclinicalMedicine; European Respiratory Journal; International Archives of Allergy and Immunology; Journal of Allergy and Clinical Immunology; Journal of Allergy and Clinical Immunology: In Practice; JAMA Pediatrics; Journal of the American Medical Association; Journal of Asthma; Journal of Clinical Investigation; Journal of Pediatric Gastroenterology and Nutrition; Journal of Pediatrics; Lancet; Nature; New England Journal of Medicine; Pediatrics; Pediatric Allergy and Immunology; Pediatric Dermatology; Pediatric Pulmonology; Science Translational Medicine; and Thorax.The editor and the Section on Allergy and Immunology gratefully acknowledge the work of the reviewers and their trainees who assisted. The reviewers were as follows: Stuart L. Abramson, MD, PhD, San Angelo, TX; Timothy Andrews, MD, Arnold, MD; James R. Banks, MD, Arnold, MD; Theresa A. Bingemann, MD, Rochester, NY; J. Andrew Bird, MD, Dallas, TX; Jeffrey Chambliss, MD, Dallas, TX; Bradley E. Chipps, MD, Sacramento, CA; Jennifer Dantzer, MD, Baltimore, MD; Carla M. Davis, MD, Houston, TX; Karla L. Davis, MD, Honolulu, HI; Lisa R. Forbes, Houston, TX; James E. Gern, Madison, WI; Ruchi Gupta, MD, MPH, Chicago, IL; Vivian Hernandez-Trujillo, MD, Miami, FL; Angela Duff Hogan, MD, Norfolk, VA; John Kelso, MD; San Diego, CA; Kirsten M. Kloepfer, MD, Indianapolis, IN; Mary V. Lasley, MD, Seattle, WA; Susan Laubach, MD, San Diego, CA; Harvey L. Leo, MD, Ann Arbor, MI; Mitchell R. Lester, MD, Norwalk, CT; Todd A. Mahr, MD, La Crosse, WI; Elizabeth C. Matsui, MD, Austin, TX; Jordan Orange, MD, PhD, New York, NY; Grace Padron, MD, Miami, FL; Christopher P. Parrish, MD, Dallas, TX; Michael Pistiner, MD, Boston, MA; Christopher Randolph, MD, Waterbury, CT; Melinda M. Rathkopf, MD, Anchorage, AK; Marcus Shaker, MD, MS, Lebanon, NH; Scott H. Sicherer, MD, New York, NY; Elinor Simons, MD, Toronto, ON; David R. Stukus, MD, Columbus, OH; Pooja Varshney, MD, Austin, TX; Girish Vitalpur, MD, Indianapolis, IN; Luke A. Wall, MD, New Orleans, LA; Julie Wang, MD, New York, NY; Kelli W. Williams, MD, MPH, Charleston, SC; Paul Williams, MD, Seattle, WA; Robert A. Wood, MD, Baltimore, MD; and Joyce Yu, MD, New York, NY.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,402 | 0,370 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».