Notice bibliographique
Résumé
The following physicians provided critical peer review for manuscripts submitted to the Journal of Bronchology during the past year. On behalf of the Editorial Board of the Journal, I gratefully acknowledge and thank these reviewers for giving their valuable time to provide constructive critiques and suggestions. Without their help, it would not be possible to publish the high-quality articles that appear in the Journal of Bronchology. Robert P. Baughman, MD Cincinnati, Ohio John F. Beamis, Jr., MD Burlington, Massachusetts Stephen D. Cassivi, MD Rochester, Minnesota Henri G. Colt, MD Irvine, California Eric S. Edell, MD Rochester, Minnesota Armin Ernst, MD Boston, Massachusetts David Feller-Kopman, MD Boston, Massachusetts Willane S. Krell, MD Detroit, Michigan Paul A. Kvale, MD Detroit, Michigan Stephen Lam, MD Vancouver, British Columbia, Canada Kaiser Lim, MD Rochester, Minnesota Robert Loddenkemper, MD Berlin, Germany Praveen N. Mathur, MD Indianapolis, Indiana Atul C. Mehta, MD Cleveland, Ohio Mark L. Metersky, MD Farmington, Connecticut David E. Midthun, MD Rochester, Minnesota Marc Noppen, MD, PhD Brussels, Belgium James M. Parish, MD Scottsdale, Arizona Charles A. Read, MD Washington, DC Mark J. Rosen, MD New York, New York Edward C. Rosenow III, MD Rochester, Minnesota Gerard A. Silvestri, MD Charleston, South Carolina Michael J. Simoff, MD Detroit, Michigan Daniel H. Sterman, MD Philadelphia, Pennsylvania Karen L. Swanson, DO Rochester, Minnesota Zelalem Temesgen, MD Rochester, Minnesota J. Francis Turner, Jr., MD Las Vegas, Nevada Michael Unger, MD Philadelphia, Pennsylvania James P. Utz, MD Rochester, Minnesota Jeanne M. Wallace, MD Sylmar, California
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».