MétaCan
Menu
Retour à la cohorte
Enregistrement W4389335746 · doi:10.1136/bmj.p2730

Politicians, experts, and patient representatives call for the UK government to reverse the rate of antidepressant prescribing

2023· letter· en· W4389335746 sur OpenAlexafffund
James Davies, John Read, Danny Kruger, Nigel Crisp, N. J. LAMB, Michael F. Dixon, Sam Everington, Sheila Hollins, Joanna Moncrieff, Bogdan Chiva Giurca, Chris van Tulleken, Guy Chouinard, Michael P. Dooley, Anne Guy, Mark Horowitz, Peter Kinderman, Lucy Johnstone, Luke Montagu, Antônio Egídio Nardi, Sarah Stacey, Martin Bell, Andrew Tresidder, Jo Watson, Stevie Lewis, Marcantonio M. Spada, Rupert Payne, Naveed Akhtar, Christian Buckland, Jon Levett, Sue Whitcombe, Laura Marshall-Andrews

Notice bibliographique

RevueBMJ · 2023
Typeletter
Langueen
DomaineMedicine
ThématiqueTreatment of Major Depression
Établissements canadiensMcGill University
Organismes subventionnairesNational Health and Medical Research CouncilMedical Research CouncilPublic Health EnglandUniversität BaselDepartment of Health and Social CareNational Institute for Health and Care ResearchWellcome TrustBritish Psychological SocietySouth London and Maudsley NHS Foundation TrustEconomic and Social Research CouncilEuropean CommissionUniversité de SherbrookeCase Western Reserve University
Mots-clésGovernment (linguistics)AntidepressantMedicineComputer scienceData sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

We, a group of medical professionals, researchers, patient representatives, and politicians, call for the UK government to commit to a reversal

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,071
Score d'incertitude au seuil0,590

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,330
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMJMême sujetTreatment of Major DepressionTravaux en français237 207