Supporting career development for early‐ and mid‐career professionals working in the bipolar disorder field: Key initiatives to be implemented by the International Society for Bipolar Disorders Early‐ and Mid‐Career Committee
Notice bibliographique
Résumé
KMD uses software provided free of charge by Scientific Brain Training Pro for Cognitive Remediation trials. KMD would like to acknowledge salary support from the Health Research Council of New Zealand (Sir Charles Hercus Health Research Fellowship; ref: 19/082). OMD has received grant support from the Brain and Behavior Foundation, Simons Autism Foundation, Stanley Medical Research Institute, Deakin University, Lilly, NHMRC, and ASBDD/Servier. She has also received in-kind support from BioMedica Nutracuticals, NutritionCare, and Bioceuticals. OMD is an Investigator on the Medical Research Futures Fund 2020 Million Minds Mission—Mental Health Australia General Clinical Trial Network (MAGNET). NV has received financial support for CME activities and travel funds from the following entities (unrelated to the present work): Angelini, Janssen-Cilag, Lundbeck, and Otsuka. JJP acknowledges financial support from the CONAHCYT's National System of Researchers (SNI) of Mexico. RHBM acknowledges salary support from Academic Scholar Awards from the Department of Psychiatry at the University of Toronto and Sunnybrook Health Sciences Centre and an honorarium from Medscape. TVR would like to acknowledge the financial support of an Al and Val Rosenstrauss Fellowship from the Rebecca L Cooper Medical Research Foundation. SHS would like to acknowledge the financial support of the National Institute of Mental Health (L30MH127613 and K23MH13601), the Heinz C. Prechter Bipolar Research Fund, and the Eisenberg Family Depression Center at the University of Michigan. The data that support the findings of this paper are available from the corresponding author upon reasonable request.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».