Expanding the Learning Health Care System Beyond the Academic Health Center
Notice bibliographique
Résumé
1Research fellow, Department of Medicine Clinician Investigator Program, University of British Columbia; and research fellow, Post-COVID-19 Interdisciplinary Clinical Care Network, Provincial Health Services Authority, Vancouver, British Columbia, Canada; email: [email protected]; ORCID: https://orcid.org/0000-0002-5193-4618. 2Program manager, Post-COVID-19 Interdisciplinary Clinical Care Network, Provincial Health Services Authority, Vancouver, British Columbia, Canada. 3Professor and head, Division of Nephrology, Department of Medicine, University of British Columbia; senior medical lead, Integration Clinical and Academic Networks, Providence Health Care; executive director, BC Renal; and director, Post-COVID-19 Interdisciplinary Clinical Care Network, Provincial Health Services Authority, Vancouver, British Columbia, Canada. Acknowledgements: The authors would also like to thank the patients, clinicians, researchers, and staff who have supported the Post-COVID-19 Interdisciplinary Clinical Care Network. Funding Support: H. Naik is supported by the University of British Columbia Clinician Investigator Program, and research activities at the Post-COVID-19 Interdisciplinary Clinical Care Network have been supported by Michael Smith Health Research BC. Other Disclosures: None reported. Ethical Approval: Reported as not applicable. First published online.
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 | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,008 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,032 | 0,024 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,045 | 0,010 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».