MétaCan
Menu
Retour à la cohorte
Enregistrement W4402314295 · doi:10.1139/facets-2023-0233

Royal Society of Canada working group on health research system recovery: strengthening Canada’s health research system after the COVID-19 pandemic

2024· article· en· W4402314295 sur OpenAlexafffundvenueabout
Sharon E. Straus, Robyn Beckett, Christine Fahim, Negin Pak, Danielle Kasperavicius, Tammy Clifford, Bev Holmes

Notice bibliographique

RevueFACETS · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare cost, quality, practices
Établissements canadiensBC Research (Canada)Canadian Institutes of Health Research
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCoronavirus disease 2019 (COVID-19)Pandemic2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Political scienceEconomic growthMedicineVirologyOutbreakEconomicsPathology

Résumé

récupéré en direct d'OpenAlex

The Royal Society of Canada Working Group on Health Research System Recovery developed actionable recommendations for organizations to implement to strengthen Canada’s health research system. Recommendations were based on input from participants from G7 countries and Australia and New Zealand. Participants included health research funding agency leaders; research institute leaders; health, public health, and social care policy-makers; researchers; and members of the public. The recommendations were categorized using the World Health Organization’s framework for health research systems and include governance/stewardship: (1) Outline research logistics as part of emergency preparedness to streamline research in future pandemics. (2) Embed equity and inclusion in all research processes. (3) Facilitate streamlined, inclusive, and rigorous processes for grant application preparation and review. (4) Create knowledge mobilization infrastructure to support the generation and use of evidence. (5) Coordinate research efforts across local, provincial, national, and international entities. Financing: (6) Reimagine the funding of health research. Capacity building: (7) Invest in formative training opportunities rooted in equity, diversity, and anti-racism. (8) Support researchers’ career development throughout their career span. (9) Support early career researchers to establish themselves. Producing and using research: (10) Strengthen Indigenous health research and break down systemic barriers to its conduct. (11) Develop mechanisms to produce novel research. (12) Enhance research use across the health research ecosystem.

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)0,197
score de la tête « metaresearch » (Gemma)0,176
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,848
Score d'incertitude au seuil0,990

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1970,176
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0040,006
Bibliométrie0,0130,009
Études des sciences et des technologies0,0230,020
Communication savante0,0290,010
Science ouverte0,0230,025
Intégrité de la recherche0,0280,025
Charge utile insuffisante (le modèle a refusé de juger)0,0210,007

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 Opus0,789
Tête enseignante GPT0,590
Écart entre enseignants0,199 · 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'étudeSans objet
DomaineÉvaluation
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

Citations2
Publié2024
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetHealthcare cost, quality, practicesTravaux en français237 207