MétaCan
Menu
Retour à la cohorte
Enregistrement W4389975898 · doi:10.1093/bjd/ljad387

Top 10 research priorities for cutaneous squamous cell carcinoma: results of the Skin Investigation Network of Canada Priority Setting Initiative

2023· article· en· W4389975898 sur OpenAlexafffundabout
Philippe Lefrançois, Zein Doueidari, Omer Kleiner, Rachael Manion, Jan Dutz, Anie Philip, An‐Wen Chan, Tarek Afifi, Yuka Asai, Sheila Au, Kathleen Barnard, Helen Catherall, Ryan DeCoste, Aaron M. Drucker, Patrick Fleming, Julie Fradette, Lucie Germain, Robert Gniadecki, Sandra Holdsworth, Yuanshen Huang, Peggy Larsen, Mélanie Laurin, Ivan V. Litvinov, Jacklyn Loder, Sarvesh Logsetty, Morris F. Manolson, Meggie Morand, P. Régine Mydlarski, Mélissa Nantel-Battista, Teresa M. Petrella, Vincent Piguet, Girish M. Shah, Ilya Shoimer, Debbie Ward, Helen Wirrell, Mary Zawadzki, Youwen Zhou, David Zloty

Notice bibliographique

RevueBritish Journal of Dermatology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueNonmelanoma Skin Cancer Studies
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésAllianceMedicineBasal cellFamily medicinePolitical sciencePathology

Résumé

récupéré en direct d'OpenAlex

The Skin Investigation Network of Canada (SkIN Canada) completed a national priority-setting initiative to identify the top 10 knowledge uncertainties for SCC based on the James Lind Alliance principles. Overall, 64 patients, clinicians and researchers provided input in two survey rounds and one workshop. The top 10 list of research priorities will help the skin research community, funders and policymakers to address key knowledge uncertainties for the benefit of patients with SCC.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,524
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 Opus0,034
Tête enseignante GPT0,294
Écart entre enseignants0,261 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBritish Journal of DermatologyMême sujetNonmelanoma Skin Cancer StudiesTravaux en français237 207