Systematic reviews of animal studies – Report of an international symposium
Notice bibliographique
Résumé
OBJECTIVE: The Symposium on Animal Systematic Reviews held 24 May 2022, sought to bring organisations working on animal literature searching and systematic reviews together into the same virtual space for introductions and discussion. BACKGROUND: Groups working on animal research synthesis are often siloed into preclinical, veterinary, and One Health settings. This symposium sought to define commonalities and differences in methodologies, resources, and philosophies and to discuss future needs. METHODS: The 3-hour virtual symposium for veterinarians, researchers, and information specialists began with introductions by panelists from organisations involved in searching the literature for animal studies and conducting systematic reviews. This was followed by a panel discussion and question and answer period. RESULTS: Panelists identified a need to ensure planning and accurate description of primary animal studies as a precursor to quality systematic reviews. They acknowledged and discussed differences in evidence synthesis expectations and tools based on the type of review, the types of studies available on the topic, and the focus on preclinical, veterinary, or One Health topics. CONCLUSION: The need to increase the speed and quality of evidence reviews, and to automate updates, requires investing in the development of both skilled teams and platforms. The symposium provided a chance to identify existing resources, define challenges, and note gaps unique to systematic reviews of animal studies. APPLICATION: This symposium acts as a baseline for ongoing discussions centred on improving the culture and pipeline for evidence syntheses of animal studies that inform decision-making.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».