2020 International Behavioural Trials Network (IBTN) Conference Abstracts
Notice bibliographique
Résumé
To optimize the uptake and impact of behavioural interventions in the context of non-communicable chronic diseases (NCD) prevention and treatment, we need more quantity and better quality of evidence.To accomplish this, we need to cultivate a culture among behavioural trialists that espouses the rigorous development and testing of carefully designed, well-defined behavioural interventions that are seen as relevant and implementable by healthcare systems and third party payers.To advance this agenda, a group of international investigators, led by Drs.Simon Bacon, Kim Lavoie, and Gregory Ninot, created the International Behavioural Trials Network (IBTN), which currently has 842 members from six continents.The mission of the IBTN (www.ibtnetwork.org) is to foster global improvement in the quality of behavioural trials and in trial implementation, and to share a repository for existing recommendations, tools, and methodology on behavioural trials and intervention development.The goal is to develop a more solid and widely accepted evidence base for the transferability of behavioural interventions into disease prevention, health promotion and intervention practice and policy.The members of the IBTN met for their 3rd international conference on May 28-29, 2020, based in Montreal, Canada but held virtually.The meeting had 743 registrants that included researchers, clinicians, public health and implementation specialists, trainees and other stakeholders from 43 countries, and featured 25 presentations with a total of 44 speakers.The 36 peer-reviewed abstracts that were presented via virtual poster sessions are presented below.
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 | 0,132 | 0,150 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,009 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,024 | 0,012 |
| Science ouverte | 0,009 | 0,012 |
| Intégrité de la recherche | 0,013 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,376 | 0,257 |
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 source (Gemma direct ou Codex distillé), 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 ».