Overview of the Canadian Clinician Investigator Trainees’ Research Presented at the 2022 CSCI-CITAC Joint Meeting
Notice bibliographique
Résumé
The 2022 Annual Joint Meeting (AJM) and Young Investigators' Forum of the Canadian Society for Clinical Investigation / Société Canadienne de recherches clinique (CSCI/SCRC) and Clinician Investigator Trainee Association of Canada/Association des cliniciens-chercheurs en formation du Canada (CITAC/ACCFC) was held in Montréal, November 13-14, 2022. The theme of this year's AJM was "Strength in Perseverance" and focused on highlighting clinician-investigator trainee achievements and resilience in research engagement through recent challenging and unprecedented times. The opening remarks were given by Nicola Jones (president of CSCI/SCRC) and Heather Whittaker (past president of CITAC/ACCFC). The keynote speaker was Dr. Michael Strong, who delivered the presentation "The Future of Clinician Scientists in Canada." Dr. Caroline Quach (Université de Montréal) received the CSCI Distinguished Scientist Award and Dr. Amy Metcalfe (University of Calgary) received the CSCI Joe Doupe Young Investigator Award. Each of the clinician-scientists delivered presentations on their award-winning research. The four interactive workshops included "Social Media in Science and Medicine," "Diversity in Science and Medicine," "Running a Successful Research Program," and "Mentorship in Action." The AJM also included presentations from clinician investigator trainees from across the country. Over 90 abstracts were showcased at this year's meeting, most of which are summarized in this review. Six outstanding abstracts were selected for oral presentations during the President's Forum.
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 | 0,022 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,013 | 0,017 |
| Études des sciences et des technologies | 0,013 | 0,002 |
| Communication savante | 0,010 | 0,002 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,058 | 0,014 |
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 ».