Impact of a national dementia research consortium: The Canadian Consortium on Neurodegeneration in Aging (CCNA)
Notice bibliographique
Résumé
The Canadian Consortium on Neurodegeneration in Aging (CCNA) was created by the Canadian federal government through its health research funding agency, the Canadian Institutes for Health Research (CIHR), in 2014, as a response to the G7 initiative to fight dementia. Two five-year funding cycles (2014-2019; 2019-2024) have occurred following peer review, and a third cycle (Phase 3) has just begun. A unique construct was mandated, consisting of 20 national teams in Phase I and 19 teams in Phase II (with research topics spanning from basic to clinical science to health resource systems) along with cross-cutting programs to support them. Responding to the needs of researchers within the CCNA teams, a unique sample of 1173 deeply phenotyped patients with various forms of dementia was accrued and studied over eight years (COMPASS-ND). In the second phase of funding (2019-2024), a national dementia prevention program (CAN-THUMBS UP) was set up. In a short time, this prevention program became a member of the World Wide FINGERS prevention consortium. In this article, the challenges, successes, and impacts of CCNA in Canada and internationally are discussed. Short-term deliverables have occurred, along with considerable promise of impacts in the longer term. The creation of synergy, networking, capacity building, engagement of people with lived experience, and economies of scale have contributed to the considerable success of CCNA by all measures. CCNA is evidence that an organized "centrally-organized" approach to dementia research can catalyze important progress nationally and yield significant and measurable results.
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 | 0,071 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,017 | 0,006 |
| Communication savante | 0,013 | 0,004 |
| Science ouverte | 0,004 | 0,018 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».