Promoting diversity and overcoming publication barriers in Latin American neuroscience and Alzheimer's disease research: A call to action
Notice bibliographique
Résumé
Alzheimer's disease (AD) is a global health issue. Because AD is a condition demanding effective management, its socioeconomic burden is immense and threatens the health systems of both low- and middle-income (LMIC) and high-income (HIC) countries. However, while most of the HICs are increasing their budget for AD research, the situation is different in LMICs, and resources are scarce. In addition, LMIC researchers face significant barriers to publishing in international peer reviewed journals, including funding constraints; language barriers; and in many cases, high article processing charges. In this perspective, we discuss these disparities and propose some actions that could help promote diversity, and ultimately translate into improved AD research capacity in LMICs, especially in Latin American and Caribbean countries. HIGHLIGHTS: Researchers in low- and middle-income countries (LMIC) face increasing difficulties such as financial constraints, language barriers, and article processing charges.Publication fees, in particular, can be a significant barrier in the process of publication and equal access to scientific information.Publication fee equalization initiatives by publishing companies could reduce the scientific inequality that disadvantages researchers in LMICs.
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 | 0,199 | 0,301 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,013 | 0,020 |
| Communication savante | 0,034 | 0,035 |
| Science ouverte | 0,007 | 0,025 |
| Intégrité de la recherche | 0,018 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».