Notice bibliographique
Résumé
The Editorial Board thanks the following scientific referees for contributing their time and expertise to review manuscripts submitted to the JCRO from October 2022 through September 2023. Claudette Abela-Formanek, MD, Vienna, Austria Pradeep Agarwal, MS, Moradabad, India Sunita Agarwal, DO, MS, FRSH, Bangalore, India Rana Altan-Yaycioglu, MD, FEBO, Adana, Turkey Renato Ambrosio, MD, PhD, Rio de Janeiro, Brazil Michael Amon, MD, Vienna, Austria Steve A. Arshinoff, MD, FRCSC, Toronto, Ontario, Canada Ehud I. Assia, MD, Kfar-Saba, Israel Bradley Barnett, MD, PhD, Sacramento, California Roberto Bellucci, MD, Salò, Italy Rafael Bilbao-Calabuig, MD, Madrid, Spain Mark H. Blecher, MD, Philadelphia, Pennsylvania Massimo Busin, MD, Forli, Italy Francesco Carones, MD, Milan, Italy Durval M. Carvalho Jr, MD, Brasília, Brazil Armando S. Crema, MD, Rio de Janeiro, Brazil Mohammad Reza Djodeyre, MD, PhD, Zaragoza, Spain Ian J. Dooley, MB BAO BCh MSc MRCOPHTH MRCSI, Dublin, United Kingdom William J. Dupps Jr, MD, PhD, Cleveland, Ohio Allen O. Eghrari, MD, Baltimore, Maryland Luis Fernández-Vega-Cueto, MD, PhD, Oviedo, Spain Nicole Renee Fram, MD, Los Angeles, California Felix Gonzalez-Lopez, MD, Madrid, Spain Christina N. Grupcheva, MD, PhD, DSc, Varna, Bulgaria Richard Yudi Hida, MD, São Paulo, Brazil Nino Hirnschall, MD, Vienna, Austria Stephen B. Kaye, MD, Liverpool, United Kingdom Guy Kleinmann, MD, Holon, Israel Douglas D. Koch, MD, Houston, Texas Florian Kretz, MD, Ahaus, Germany Tracy Krick, MD, Baltimore, Maryland Gilles Lesieur, MD, Albi, France Jeffrey Ma, MD, Sacramento, California Kevin Ma, MD, Boston, Massachusetts Antonio Marinho, MD, Porto, Portugal Samuel Masket, MD, Los Angeles, California, Artemis Matsou, MD, FEBO, MRCP (UK), East Grinstead, United Kingdom Colm McAlinden, MD, PhD, FEBO, FRCOphth, London, United Kingdom Pedro Menéres, MD, Porto, Portugal Rashmi Mittal, MS, Gurgaon, India Majid Moshirfar, MD, Draper, Utah Ewa Mrukwa-Kominek, MD, PhD, FEBO-CR, Silesia, Poland William G. Myers, MD, Chicago, Illinois Mayank Ambarish Nanavaty, MBBS, DO, FRCOphth, Brighton, United Kingdom Julio Ortega-Usobiaga, MD, PhD, FEBOS-CR, Bilbao, Spain Ernesto Otero, MD, Bogota Colombia Seth M. Pantanelli, MD, Hershey, Pennsylvania M.Ceu Brochado Pinto, MD, Gaia, Portugal Arturo Ramirez-Miranda, MD, Mexico City, Mexico Steven G. Safran, MD, Lawrenceville, New Jersey Julie M. Schallhorn, MD, San Francisco, California Richard Schulze, Jr, MPhil(Oxon), MD, Savannah, Georgia Sunil Shah, MD, Solihull, United Kingdom David J. Spalton, FRCP, FRCS, FRCOphth, London, United Kingdom Stephen A. Stewart, MA, FRCOphth, Belfast, United Kingdom R. Doyle Stulting, MD, PhD, Atlanta, Georgia Michael Sulewski, MD, Baltimore, Maryland Audrey R. Talley Rostov, MD, Seattle, Washington John Vukich, MD, Madison, Wisconsin Sarah B. Weissbart, MD, Smithtown, New York Theodore P. Werblin, MD, PhD, Princeton, West Virginia Liliana Werner, MD, PhD, Salt Lake City, Utah Sidra Zafar, MD, Baltimore, Maryland Roger Zaldivar, MD, Mendoza, Argentina Diego Zamora-de la Cruz, MD, Ciudad de Mexico, Mexico
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 | 0,003 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,321 | 0,237 |
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 ».