MétaCan
Menu
Retour à la cohorte
Enregistrement W4394844330 · doi:10.1007/s11538-024-01282-4

Integrating Diversity, Equity, and Inclusion into Preclinical, Clinical, and Public Health Mathematical Models

2024· article· en· W4394844330 sur OpenAlexafffund
Justin Sheen, Lee Curtin, Stacey D. Finley, Anna Konstorum, Reginald L. McGee, Morgan Craig

Notice bibliographique

RevueBulletin of Mathematical Biology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueHealth and Medical Research Impacts
Établissements canadiensUniversité de MontréalCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesNational Institute of Dental and Craniofacial ResearchFonds de Recherche du Québec - SantéNational Institutes of HealthNational Institute of Neurological Disorders and StrokeUniversity of Southern California
Mots-clésMultitudeDiversity (politics)Management scienceEquity (law)Inclusion (mineral)Public healthMathematical modelPlenary sessionEngineering ethicsSession (web analytics)Mathematical and theoretical biologyComputer scienceBiologyPolitical scienceMedicineSociologyMathematicsBioinformaticsSocial scienceEngineeringLibrary sciencePathology

Résumé

récupéré en direct d'OpenAlex

Mathematical modelling applied to preclinical, clinical, and public health research is critical for our understanding of a multitude of biological principles. Biology is fundamentally heterogeneous, and mathematical modelling must meet the challenge of variability head on to ensure the principles of diversity, equity, and inclusion (DEI) are integrated into quantitative analyses. Here we provide a follow-up perspective on the DEI plenary session held at the 2023 Society for Mathematical Biology Annual Meeting to discuss key issues for the increased integration of DEI in mathematical modelling in biology.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,030
score de la tête « metaresearch » (Gemma)0,048
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,156

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,048
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,009
Communication savante0,0060,008
Science ouverte0,0020,012
Intégrité de la recherche0,0020,007
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,377
Tête enseignante GPT0,527
Écart entre enseignants0,150 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBulletin of Mathematical BiologyMême sujetHealth and Medical Research ImpactsTravaux en français237 207