<b>Umbrella-Review, Evaluation, Analysis and Communication Hub (U-REACH</b>): <b>a novel living umbrella review knowledge translation approach</b>
Notice bibliographique
Résumé
Systematic reviews and meta-analyses have become crucial for evidence-based decision-making in recent decades. However, it is common for the results of multiple reviews on the same topic to be inconsistent, and it is widely recognised that the results of the reviews are not always effectively communicated to healthcare professionals and the lay public. This manuscript proposes a strategy to summarise and communicate the findings of previous systematic reviews and meta-analyses to wider audiences. The proposed approach couples the findings of umbrella reviews with the creation of open-access online platforms that present the results of these umbrella reviews in an accessible way to various stakeholders. The key potential methodological avenues of this approach are presented, and specific examples from the author's own works and those from other teams are provided. An accompanying website (https://u-reach.org/) has been designed to present this Umbrella-Review, Evaluation, Analysis, and Communication Hub (U-REACH) approach and to overcome the technical challenges associated with this type of project (by sharing the code used to build existing U-REACH projects). The present document is intended to serve as a methodological and technical guide for the creation of large-scale projects designed to synthesise and disseminate scientific information to a broad audience.
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 | 0,471 | 0,704 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,021 | 0,021 |
| Études des sciences et des technologies | 0,010 | 0,024 |
| Communication savante | 0,040 | 0,031 |
| Science ouverte | 0,007 | 0,045 |
| Intégrité de la recherche | 0,026 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,051 | 0,052 |
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 ».