MétaCan
Menu
Retour à la cohorte
Enregistrement W4367312806 · doi:10.1038/s41597-023-02137-8

Author Correction: An analysis-ready and quality controlled resource for pediatric brain white-matter research

2023· erratum· en· W4367312806 sur OpenAlexaff
Adam Richie-Halford, Matthew Cieslak, Lei Ai, Sendy Caffarra, Sydney Covitz, Alexandre R. Franco, Iliana I. Karipidis, John Kruper, Michael P. Milham, Bárbara Avelar‐Pereira, Ethan R. Roy, Valerie J. Sydnor, Jason D. Yeatman, Nicholas J. Abbott, John A. E. Anderson, B. Gagana, MaryLena Bleile, Peter S. Bloomfield, Vince Bottom, Josiane Bourque, Rory Boyle, Julia K. Brynildsen, Navona Calarco, Jaime J. Castrellon, Natasha Chaku, Bosi Chen, Sidhant Chopra, Emily B. J. Coffey, Nigel Colenbier, Daniel Cox, James Elliott Crippen, Jacob J. Crouse, Szabolcs Dávid, Benjamin De Leener, Gwyneth Delap, Zhi‐De Deng, Jules R. Dugré, Anders Eklund, Kirsten Ellis, Arielle Ered, Harry Farmer, Joshua Faskowitz, Jody E. Finch, Guillaume Flandin, Matthew W. Flounders, Leon Fonville, Summer Frandsen, Dea Garic, Patricia Garrido‐Vásquez, Gabriel González‐Escamilla, Shannon E. Grogans, Mareike Grotheer, David C. Gruskin, Guido I. Guberman, Edda B. Haggerty, Younghee Hahn, Elizabeth H. Hall, Jamie L. Hanson, Yann Harel, Bruno Hebling Vieira, Meike D. Hettwer, Harriet Hobday, Corey Horien, Fan Huang, Zeeshan M. Huque, Anthony R. James, Isabella Kahhalé, Sarah L. H. Kamhout, Arielle S. Keller, Harmandeep Singh Khera, Gregory Kiar, Peter Alexander Kirk, Simon H. Kohl, Stephanie A. Korenic, Cole Korponay, Alyssa K. Kozlowski, Nevena Kraljević, Alberto Lazari, Mackenzie J. Leavitt, Zhaolong Li, Giulia Liberati, Elizabeth S. Lorenc, Annabelle Julina Lossin, Leon D. Lotter, David M. Lydon‐Staley, Christopher R. Madan, Neville Magielse, Hilary A. Marusak, Julien Mayor, Amanda L. McGowan, Kahini Mehta, Steven L. Meisler, Cleanthis Michael, Mackenzie E. Mitchell, Simon Morand‐Beaulieu, Benjamin T. Newman, Jared A. Nielsen, Shane M. O’Mara, Amar Ojha, Adam Omary, Evren Özarslan, Linden Parkes, Madeline Peterson, Adam Pines, Claudia Pisanu, Ryan Rich, Matthew D. Sacchet, Ashish Kumar Sahoo, Amjad Samara, Farah Sayed, Jonathan Thore Schneider, Lindsay S. Shaffer, Ekaterina Shatalina, Sara A. Sims, Skyler Sinclair, Jae W. Song, Griffin Stockton Hogrogian, Christian K. Tamnes, Ursula A. Tooley, Vaibhav Tripathi, Hamid B. Turker, Sofie L. Valk, Matthew B. Wall, Cheryl K. Walther, Yuchao Wang, Bertil Wegmann, Thomas Welton, Alex I. Wiesman, Andrew G. Wiesman, Mark Wiesman, Drew E. Winters, Ruiyi Yuan, Sadie J. Zacharek, Chris Zajner, Ilya Zakharov, Gianpaolo Zammarchi, Dale Zhou, Benjamin Zimmerman, Kurt Zoner, Theodore D. Satterthwaite, Ariel Rokem

Notice bibliographique

RevueScientific Data · 2023
Typeerratum
Langueen
DomaineMedicine
ThématiqueNeonatal and fetal brain pathology
Établissements canadiensMcGill UniversityUniversité de MontréalInstitut Universitaire en Santé Mentale de QuébecWestern UniversityPolytechnique MontréalConcordia UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésWhite matterResource (disambiguation)White paperQuality (philosophy)White (mutation)PsychologyComputer scienceData scienceMedicineGeographyBiologyPhysicsArchaeology

Résumé

récupéré en direct d'OpenAlex

The list of members of the Fibr Community Science Consortium in the original version of the paper incorrectly omitted consortium member Matthew D. Sacchet, Massachusetts General Hospital, Harvard Medical School, Boston, USA. The corrected membership list has replaced the incorrect version in the pdf and HTML versions of the article.

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)0,020
score de la tête « metaresearch » (Gemma)0,264
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 enseignants0,144
Score d'incertitude au seuil0,482

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,264
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0070,006
Études des sciences et des technologies0,0040,003
Communication savante0,0070,003
Science ouverte0,0040,004
Intégrité de la recherche0,0040,009
Charge utile insuffisante (le modèle a refusé de juger)0,1440,077

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 Opus0,185
Tête enseignante GPT0,443
Écart entre enseignants0,258 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific DataMême sujetNeonatal and fetal brain pathologyTravaux en français237 207