MétaCan
Menu
Retour à la cohorte
Enregistrement W4281713251 · doi:10.3389/fgene.2022.881527

Using a Participatory Approach to Develop Research Priorities for Future Leaders in Cancer-Related Precision Public Health

2022· article· en· W4281713251 sur OpenAlexaff
Megan C. Roberts, June Mullaney Mader, Erin Turbitt, Amelia K. Smit, Latrice Landry, Dana Lee Olstad, Lauren E. Passero, Caitlin G. Allen

Notice bibliographique

RevueFrontiers in Genetics · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiquePublic Health Policies and Education
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNorth Carolina Translational and Clinical Sciences Institute, University of North Carolina at Chapel HillUNC Eshelman School of Pharmacy, University of North Carolina at Chapel HillLineberger Comprehensive Cancer Center, University of North Carolina at Chapel HillNational Cancer Institute
Mots-clésPublic healthPopulation healthHealth equityCitizen journalismProcess (computing)Public relationsManagement scienceKnowledge managementComputer sciencePolitical scienceMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

Precision public health is an emerging discipline combining principles and frameworks of precision health with the goal of improving population health. The development of research priorities drawing on the strengths of precision and public health is critical to facilitate the growth of the discipline to improve health outcomes. We held an interactive workshop during a virtual conference bringing together early-career researchers across public health disciplines to identify research priorities in precision public health. The workshop participants discussed and voted to identify three priority areas for future research and capacity building including 1) enhancing equity and access to precision public health research and resources, 2) improving tools and metrics for evaluation and 3) applying principles of implementation science to support sustainable practices. Participants also developed future objectives for achieving each priority. Future efforts by working groups will continue the process of identifying, revising, and advancing critical research priorities to grow the impact of precision public health.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,296
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,599
Tête enseignante GPT0,581
Écart entre enseignants0,017 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in GeneticsMême sujetPublic Health Policies and EducationTravaux en français237 207