MétaCan
Menu
Retour à la cohorte
Enregistrement W4402256980 · doi:10.1111/1751-7915.14550

Concepts and criteria defining emerging microbiome applications

2024· article· en· W4402256980 sur OpenAlexaff
Tanja Kostić, Michael Schloter, Paulo Arruda, Gabriele Berg, Trevor C. Charles, Paul D. Cotter, George Seghal Kiran, Lene Lange, Emmanuelle Maguin, Annelein Meisner, L.S. van Overbeek, Yolanda Sanz, Inga Sarand, Joseph Selvin, Effie Tsakalidou, Hauke Smidt, Martin Wagner, Angela Sessitsch

Notice bibliographique

RevueMicrobial Biotechnology · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProbiotics and Fermented Foods
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesHorizon 2020 Framework Programme
Mots-clésMicrobiomeDocumentationBusinessData scienceKnowledge managementEnvironmental resource managementComputer scienceBiologyBioinformaticsEconomics

Résumé

récupéré en direct d'OpenAlex

In recent years, microbiomes and their potential applications for human, animal or plant health, food production and environmental management came into the spotlight of major national and international policies and strategies. This has been accompanied by substantial R&D investments in both public and private sectors, with an increasing number of products entering the market. Despite widespread agreement on the potential of microbiomes and their uses across disciplines, stakeholders and countries, there is no consensus on what defines a microbiome application. This often results in non-comprehensive communication or insufficient documentation making commercialisation and acceptance of the novel products challenging. To showcase the complexity of this issue we discuss two selected, well-established applications and propose criteria defining a microbiome application and their conditions of use for clear communication, facilitating suitable regulatory frameworks and building trust among stakeholders.

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)0,045
score de la tête « metaresearch » (Gemma)0,087
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 enseignants0,045
Score d'incertitude au seuil0,237

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0450,087
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0110,009
Études des sciences et des technologies0,0070,024
Communication savante0,0220,024
Science ouverte0,0050,013
Intégrité de la recherche0,0100,008
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,009
Tête enseignante GPT0,253
Écart entre enseignants0,245 · 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

Citations13
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicrobial BiotechnologyMême sujetProbiotics and Fermented FoodsTravaux en français237 207