MétaCan
Menu
Retour à la cohorte
Enregistrement W4296805863 · doi:10.1038/s41390-022-02311-5

Correction: Social epidemiology of early adolescent problematic screen use in the United States

2022· erratum· en· W4296805863 sur OpenAlexaff
Jason M. Nagata, Gurbinder Singh, Omar M. Sajjad, Kyle T. Ganson, Alexander Testa, Dylan B. Jackson, Shervin Assari, Stuart B. Murray, Kirsten Bibbins‐Domingo, Fiona C. Baker

Notice bibliographique

RevuePediatric Research · 2022
Typeerratum
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEpidemiologyMedicinePediatricsPsychologyPathology

Résumé

récupéré en direct d'OpenAlex

Authors and Affiliations Division of Adolescent and Young Adult Medicine, Department of Pediatrics, University of California, San Francisco, San Francisco, CA, USA Jason M. Nagata & Gurbinder Singh Geisel School of Medicine, Dartmouth College, Hanover, NH, USA Omar M. Sajjad Factor-Inwentash Faculty of Social Work, University of Toronto, Toronto, ON, Canada Kyle T. Ganson Department of Management, Policy and Community Health, University of Texas Health Science Center at Houston, Houston, TX, USA Alexander Testa Department of Population, Family, and Reproductive Health, Johns Hopkins Bloomberg School of Public Health, Johns Hopkins University, Baltimore, MD, USA Dylan B. Jackson Department of Family Medicine, College of Medicine, Charles R. Drew University of Medicine and Science, Los Angeles, CA, USA Shervin Assari Department of Urban Public Health, Charles R. Drew University of Medicine and Science, Los Angeles, CA, USA Shervin Assari Marginalization-related Diminished Returns (MDRs) Research Center, Charles R. Drew University of Medicine and Science, Los Angeles, CA, USA Shervin Assari Department of Psychiatry and Behavioral Sciences, University of Southern California, Los Angeles, CA, USA Stuart B. Murray Department of Epidemiology and Biostatistics, University of California, San Francisco, San Francisco, CA, USA Kirsten Bibbins-Domingo Center for Health Sciences, SRI International, Menlo Park, CA, USA Fiona C. Baker School of Physiology, University of the Witwatersrand, Johannesburg, South Africa Fiona C. Baker Authors Jason M. Nagata View author publications You can also search for this author in PubMed Google Scholar Gurbinder Singh View author publications You can also search for this author in PubMed Google Scholar Omar M. Sajjad View author publications You can also search for this author in PubMed Google Scholar Kyle T. Ganson View author publications You can also search for this author in PubMed Google Scholar Alexander Testa View author publications You can also search for this author in PubMed Google Scholar Dylan B. Jackson View author publications You can also search for this author in PubMed Google Scholar Shervin Assari View author publications You can also search for this author in PubMed Google Scholar Stuart B. Murray View author publications You can also search for this author in PubMed Google Scholar Kirsten Bibbins-Domingo View author publications You can also search for this author in PubMed Google Scholar Fiona C. Baker View author publications You can also search for this author in PubMed Google Scholar Corresponding author Correspondence to Jason M. Nagata .

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)0,006
score de la tête « metaresearch » (Gemma)0,123
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,135
Score d'incertitude au seuil0,310

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,123
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0060,007
Études des sciences et des technologies0,0030,001
Communication savante0,0030,003
Science ouverte0,0050,002
Intégrité de la recherche0,0050,007
Charge utile insuffisante (le modèle a refusé de juger)0,0930,032

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 Opus0,191
Tête enseignante GPT0,447
Écart entre enseignants0,255 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePediatric ResearchMême sujetImpact of Technology on AdolescentsTravaux en français237 207