British Cardiovascular Society/British Heart Foundation/British Atherosclerosis Society/British Society for Cardiovascular Research Young Investigator Award 2023
Notice bibliographique
Résumé
The British Cardiovascular Society (BCS)/British Heart Foundation (BHF)/British Atherosclerosis Society/British Society for Cardiovascular Research Young Investigator Award was established in 2001 to recognise excellence in young researchers intending to pursue a career in cardiovascular clinical medicine or research. It is open to both young clinicians and basic scientists. Clinicians should not have attained consultant status at the time the research was performed and basic scientists should be no more than 5 years post-PhD. Investigators submit an abstract, limited to 1000 words, which is then reviewed, and five finalists are selected to give a 10-minute presentation during the BCS annual conference in Manchester, UK. This is followed by five minutes of questions by the judges. The profiles and presentation summaries of this year’s winner, Dr Sau, and the other finalists are shown below. ![Graphic][1] Dr Arunashis Sau is a clinical research fellow, cardiology registrar and PhD candidate at Imperial College London. His main research interest is the application of machine learning (ML) to further the field of cardiology, including applying deep learning to the surface ECG and to intracardiac electrograms. He studied medicine at Imperial College London, where he was awarded a First Class (Honours) degree in Medical Sciences with Cardiovascular Sciences. His postgraduate clinical training to date has been in London, most recently as a National Institute for Health and Care Research (NIHR) Academic Clinical Fellow. He has been awarded a BHF Clinical Research Training Fellowship and started this in October 2021 under the primary supervision of Dr Fu Siong Ng. Dr Sau’s Young Investigator Award presentation began with the hypothesis that ML has the potential to identify novel markers of risk from the ECG that can go beyond clinician ECG interpretation. In the course of supervised ML training, many thousands of ECG features are identified which are not limited to conventional … [1]: /embed/inline-graphic-1.gif
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 | 0,008 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,389 | 0,304 |
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 ».