MétaCan
Menu
← Retour à la cohorte
Enregistrement W4250520256 · doi:10.1017/cjn.2015.402

CJN volume 43 issue 1 Cover and Front matter

2016· article· en· W4250520256 sur OpenAlexvenueno aff
Michael Wood, Andy Song, David M. Maslove, Cathy Ferri, Daniel Howes, John Muscedere, Jeff Boyd, Garth M. Bray, Deanna Huggett, J. N. Findlay, Joshua Nisar, Tim E. Darsaut, Pierre Duquette, Paul S. Giacomini, Virender Bhan, Marika Hohol, Robyn Schecter, Frederick A. Zeiler, Alan A. Jackson, Brian Chen, Jehane H. Dagher, Camille Costa, Julie Lamoureux, Élaine de Guise, Mitra Feyz, J. Gordon Boyd, Mohammed Basamh, Antony Robert, Singh Saluja, Judith Marcoux, Maciej K. Janik, Patrick McDonald, Anthony M. Kaufmann, Derek Fewer, Jim Butler, G. Schroeder, Michael West, Jean-François Gagné, Moujahed Labidi, André Turmel, Jai Jai, Shiva Shankar, Gavin Langlands, Steve Doucette, Stephen Phillips, Laura Allen, Amanda Mcintyre, Shannon Janzen, Marina Richardson, Matthew J. Meyer, David Ure, Robert Teasell, Samir Shah, Namrata Shah, R. A. Johnson, Alina Nico West, Narayan Prasad, Leslie W. Ferguson, Ali H. Rajput, Alexander Rajput, Laleh Golestanirad, Behzad Elahi, Simon J. Graham, Sunit Das, Lawrence L. Wald, Adil Bata, Krista Ritchie, Andrea L.O. Hebb, Simon Walling, Sharon Warren, Wonita Janzen, Kenneth G. Warren, Lawrence W. Svenson, Donald Schopflocher, Mathieu Bray, Christina Wolfson, Fraser Moore, Jennifer Uniat, Atay Vural, Rahşan Göçmen, Aslı Kurne, Kader Karlı Oğuz, Mesut Çağrı, Ersin Temuçin, Rana Tan, Edgar Karabudak, Sevim Meinl, Noshin Koenig, Esther Fujiwara, M. John Gill, Christopher Power, Jean K. Mah, Lawrence Korngut, Kirsten M. Fiest, Jonathan Dykeman, Lundy Day, Tamara Pringsheim, Nathalie Jetté, Rodney Li, Pi Shan, Michael Nicolle, K. Ming Chan, Nigel Ashworth, Chris White, Paul Winston, Sean P. Dukelow, Yiqun Mi, Aaron O. Bailey, Aimee Neuroimaging, Ann Ghita, Sergio Wiebe, Jens Fanella, Carrie Wrogemann, Mubeen Daymont, Robert A. Fox, Claudiu Diaconu, Leasa Baus, Alia Grattan, Irene Katzan, Jar-Chi Lee, Larry Raber, Alexander Rae‐Grant, S. Ramesh, Mei Lu, Esther Kim, Cassandra Hawco, Yanfei Wang, Marcia Taylor, Donald F. Weaver, Nikhil Sangle, J. Richard Baringer, Jennifer J. Majersik, L. Dana DeWitt, Andrew Jack, Jian‐Qiang Lu, Robert Ashforth, Robert Broad, Craig Ferguson, David Clarke, Namita Sinha, Anita Florendo-Cumbermack, Dan Selchen, Sarah A. Morrow, Manas Sharma, David A. Steven, Lee Cyn Ang, Courtney Casserly, Jorge G. Burneo, Marcelo Kremenchutzky, Robert Hammond

Notice bibliographique

RevueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences Neurologiques · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueDiverse Scientific and Economic Studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Cambridge
Mots-clésFront coverCover (algebra)Front (military)Volume (thermodynamics)Content (measure theory)Action (physics)Computer scienceEnvironmental scienceMathematicsGeographyPhysicsEngineeringMeteorologyMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Figure: Correlation plot provides visual representation for the correlation between BtO 2 and other hemodynamic/physiological parameters.Each cell represents the R 2 value for the correlation between BtO 2 and the clinical parameter in the column, for the individual patient in the row.If there is no ellipse, then the correlation coeffi cient is zero.The strength and direction of correlation are dually represented.The increasing strength is represented by the density of the colour as well as by narrowing radius of the ellipse.The direction of the correlation (positive or negative) is represented by the colour of the ellipse (blue = positive correlation; red = negative correlation), as well as its orientation (ellipses angled up and to the right represent positive correlations).The asterisk indicates signifi cant linear correlations (p <0.05).The grey rectangles for patients 1,2,4, and 8 indicate that insuffi cient values were available to calculate the correlation coeffi cient.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,721
Score d'incertitude au seuil0,398

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0050,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,7210,557

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 Opus0,036
Tête enseignante GPT0,212
Écart entre enseignants0,177 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences Neurologiques→Même sujetDiverse Scientific and Economic Studies→Travaux en français237 207→