Preprint Pointers From a Long COVID Scoping Review: Considerations for Source Selection and Searching
Notice bibliographique
Résumé
This paper describes the search approach for preprints for a post COVID-19 condition (i.e., long COVID) scoping review, including source selection, search strategy development, challenges, and insights throughout a project life cycle. With the growth of medical preprints since the COVID-19 pandemic, information professionals and researchers should be aware that preprints are possible sources of evidence and be prepared to manage them in evidence reviews for COVID-19 topics and beyond. Preprints are not peer-reviewed but can include important evidence about emerging topics. Because of the importance of preprints to the scoping review, a preprint search of Europe PubMed Central (PMC) was added. Europe PMC and similar aggregators combine multiple preprint servers and often have Boolean search, but sometimes limited search functionalities or few export options. Strategy translation encountered challenges such as varying and inconsistent terminology for post-COVID-19 condition, a complex search, and negotiating large numbers of preprints with resource constraints. Europe PMC identified additional preprints for inclusion due to additional preprint server coverage. It was helpful to limit the preprint search to the title and abstract fields, and to run an extra Internet search for publication of included study preprints. Challenges and potential solutions are summarized to support those conducting preprint searches for COVID-19 and other topics.
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 | 0,495 | 0,818 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,005 |
| Méta-épidémiologie (sens large) | 0,009 | 0,009 |
| Bibliométrie | 0,056 | 0,051 |
| Études des sciences et des technologies | 0,009 | 0,007 |
| Communication savante | 0,028 | 0,023 |
| Science ouverte | 0,008 | 0,026 |
| Intégrité de la recherche | 0,016 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,067 | 0,022 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».