MétaCan
Menu
Retour à la cohorte
Enregistrement W4364353417 · doi:10.1093/clinchem/hvad035

Lab Medicine in Space

2023· article· en· W4364353417 sur OpenAlexafffund
Joesph R Wiencek, Saswati Das, Afshin Beheshti, Brian Crucian, Fathi Karouia, Guy Trudel, Kathleen McMonigal

Notice bibliographique

RevueClinical Chemistry · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSpaceflight effects on biology
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesCanadian Space Agency
Mots-clésLibrary scienceResearch centerMedicineComputer sciencePathology

Résumé

récupéré en direct d'OpenAlex

As humanity continues to push towards interplanetary travel and beyond, short- and long-term adaptation of the human body to extreme environmental conditions in space remains a fundamental concern. An astronaut is subjected to physically and mentally enduring situations like microgravity, extreme heat or cold, radiation, isolation, and other unforeseen technical challenges. To manage the physiological impact of these situations, the use of real-time diagnostic laboratory medicine will be necessary for the health of the astronaut. With advancing technology, the recent implementation of point-of-care testing (POCT) on the International Space Station (ISS) provides a means to reduce the need to freeze and send specimens back to earth for analysis. However, the quality of these lab tests in a microgravity environment continues to be investigated. Similar to traditional laboratory medicine, there are laboratory analysis concerns during space travel such as pre-analytical errors, competency, interface issues, specimen type differences, reference intervals, and consumable storage. As the frequency and duration of human spaceflight increases, research in these areas of laboratory testing will be key for space travel and astronaut health. For this Q&A, we invited a diverse group of experts to explore the current and desired future state of laboratory medicine in space as well as innovations that will expand our current horizon within this area of interest.

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)0,005
score de la tête « metaresearch » (Gemma)0,010
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: Autre
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,218

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,004
Communication savante0,0060,004
Science ouverte0,0010,007
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0650,030

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 Opus0,065
Tête enseignante GPT0,437
Écart entre enseignants0,372 · 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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical ChemistryMême sujetSpaceflight effects on biologyTravaux en français237 207