MétaCan
Menu
Retour à la cohorte
Enregistrement W4284706833 · doi:10.1186/s12919-022-00234-x

Precision Public Health Initiatives in Cancer: Proceedings from the Transdisciplinary Conference for Future Leaders in Precision Public Health

2022· article· en· W4284706833 sur OpenAlexaff
Caitlin G. Allen, Erin Turbitt, Amelia K. Smit, Lauren E. Passero, Dana Lee Olstad, Ashley Hatch, Latrice Landry, Megan C. Roberts

Notice bibliographique

RevueBMC Proceedings · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueInterdisciplinary Research and Collaboration
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Cancer Institute
Mots-clésPublic healthConversationPopulation healthPublic relationsField (mathematics)Session (web analytics)International healthMedicineMedical educationHealth policyPolitical scienceEngineering ethicsSociologyComputer scienceEngineeringNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Precision public health is an emergent field that requires transdisciplinary collaborations and leverages innovative approaches to improve population health. These opportunities have inspired a new generation of precision public health researchers. Despite burgeoning interest in precision public health, there are limited opportunities for researchers to convene and continue the momentum of this field. METHODS: The Transdisciplinary Conference for Future Leaders in Precision Public Health was the among the first events to bring together international researchers and practitioners to learn, network, and agenda set for the future of the field. The conference took place virtually on October 14 and 15, 2021. RESULTS: The conference spanned two days and featured a keynote address, speakers from public health disciplines who are international leaders in precision-based research, networking opportunities, a poster session, and research agenda setting activities. CONCLUSION: The conference was a critical first step to creating a shared international conversation about precision public health, especially among early-stage investigators. This allowed attendees to continue building their individual skills and international collaborations to support the growth of the field 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)0,014
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,229
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,005
Études des sciences et des technologies0,0020,000
Communication savante0,0010,003
Science ouverte0,0020,001
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 Opus0,323
Tête enseignante GPT0,461
Écart entre enseignants0,138 · 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'étudeQualitatif
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC ProceedingsMême sujetInterdisciplinary Research and CollaborationTravaux en français237 207