Study protocol for a scoping review of Lyme disease prediction methodologies
Notice bibliographique
Résumé
INTRODUCTION: In the temperate world, Lyme disease (LD) is the most common vector-borne disease affecting humans. In North America, LD surveillance and research have revealed an increasing territorial expansion of hosts, bacteria and vectors that has accompanied an increasing incidence of the disease in humans. To better understand the factors driving disease spread, predictive models can use current and historical data to predict disease occurrence in populations across time and space. Various prediction methods have been used, including approaches to evaluate prediction accuracy and/or performance and a range of predictors in LD risk prediction research. With this scoping review, we aim to document the different modelling approaches including types of forecasting and/or prediction methods, predictors and approaches to evaluating model performance (eg, accuracy). METHODS AND ANALYSIS: This scoping review will follow the Preferred Reporting Items for Systematic Reviews and Meta-Analyses Extension for Scoping Review guidelines. Electronic databases will be searched via keywords and subject headings (eg, Medical Subject Heading terms). The search will be performed in the following databases: PubMed/MEDLINE, EMBASE, CAB Abstracts, Global Health and SCOPUS. Studies reported in English or French investigating the risk of LD in humans through spatial prediction and temporal forecasting methodologies will be identified and screened. Eligibility criteria will be applied to the list of articles to identify which to retain. Two reviewers will screen titles and abstracts, followed by a full-text screening of the articles' content. Data will be extracted and charted into a standard form, synthesised and interpreted. ETHICS AND DISSEMINATION: This scoping review is based on published literature and does not require ethics approval. Findings will be published in peer-reviewed journals and presented at scientific conferences.
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 | 0,107 | 0,157 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,014 | 0,013 |
| Bibliométrie | 0,017 | 0,013 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,011 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,163 | 0,031 |
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 ».