MétaCan
Menu
Retour à la cohorte
Enregistrement W4234779364 · doi:10.4172/plastic-surgery.1000738

What is the ultimate fate of presented abstracts? The conversion rates of presentations to publications over a five-year period from three North American plastic surgery meetings

2012· article· en· W4234779364 sur OpenAlexaff
Tournesol N Gregory, Tianyi Liu

Notice bibliographique

RevuePlastic Surgery · 2012
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueAcademic Writing and Publishing
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPeriod (music)Waiting periodMedicineHistoryDemographyBiologyArtSociologyToxicology

Résumé

récupéré en direct d'OpenAlex

The goal of any research is to provide a lasting, retrievable record of the work in the form of a published article (1).Research is often first presented to a peer group in abstract form at an annual meeting; this semiformal informationsharing venue is a critical medium for the communication of new concepts, and enables the presentation of novel or confirmatory information to glean peer feedback.However, many of these presentations are based on partial results, which are modified after final data analysis or during the more rigorous peer-review process required for successful publication.Moreover, these ideas are not effectively disseminated because most surgeon members attend annual general meetings sporadically, if at all (2-4).Unfortunately, many presentations are never published.A 2007 Cochrane review of nearly 30,000 abstracts suggested that 44.5% of abstracts successfully reached publication (4).Data from transplant, orthopedic and urology literature since 2006 have yielded conversion rates of presentation to publication of 33% to 59% (3,5-10).Failure to publish is due to many factors, including inadequate time or resources, lower level study design or poor methodology, and coauthor origiNAl ArTicle

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)0,173
score de la tête « metaresearch » (Gemma)0,532
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,827
Score d'incertitude au seuil0,913

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1730,532
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0090,006
Études des sciences et des technologies0,0050,004
Communication savante0,0180,010
Science ouverte0,0030,004
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0190,019

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 Opus0,046
Tête enseignante GPT0,263
Écart entre enseignants0,217 · 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'étudeObservationnel
DomainePrésentation des résultats
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

Citations16
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlastic SurgeryMême sujetAcademic Writing and PublishingTravaux en français237 207