MétaCan
Menu
Retour à la cohorte
Enregistrement W4401199424 · doi:10.1136/bmjgh-2024-015278

Lessons learnt from developing and applying research priorities during the COVID-19 pandemic: reflections from the Global Research Collaboration for Infectious Disease Preparedness (GloPID-R)

2024· article· en· W4401199424 sur OpenAlexfundno aff
Emilia Antonio, Moses Alobo, Alice Norton, Charles Shey Wiysonge

Notice bibliographique

RevueBMJ Global Health · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueZoonotic diseases and public health
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilCanadian Institutes of Health ResearchUK Research and InnovationFundação de Amparo à Pesquisa do Estado de São PauloInternational Development Research CentreEuropean and Developing Countries Clinical Trials PartnershipWellcome TrustKorea Research Institute of Bioscience and BiotechnologyWorld Health OrganizationEuropean CommissionBill and Melinda Gates Foundation
Mots-clésPandemicPreparednessCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Infectious disease (medical specialty)DiseaseVirologyMedicinePolitical scienceOutbreakPathology

Résumé

récupéré en direct d'OpenAlex

⇒ In response to the COVID-19 pandemic, multiple activities to identify priority areas for research were undertaken.⇒ Existing guidelines for development of research priority agendas are limited in discussion of priority setting in the context of epidemic/pandemic response.⇒ We present key recommendation on best practice for developing and applying research priority agendas during outbreaks.⇒ These considerations represent key learnings from the COVID-19 pandemic, which can strengthen preparedness for responding to future epidemics and pandemics.

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)0,297
score de la tête « metaresearch » (Gemma)0,306
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,703
Score d'incertitude au seuil0,867

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2970,306
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0020,003
Études des sciences et des technologies0,0150,042
Communication savante0,0400,037
Science ouverte0,0120,045
Intégrité de la recherche0,0620,120
Charge utile insuffisante (le modèle a refusé de juger)0,0100,003

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 Opus0,329
Tête enseignante GPT0,602
Écart entre enseignants0,272 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
DomaineMéthodes
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

Citations4
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueBMJ Global HealthMême sujetZoonotic diseases and public healthTravaux en français237 207