Tribute to an outstanding scientist, caring clinician, and wonderful friend Pui-Ying Iroh Tam
Notice bibliographique
Résumé
The news of Dr Pui-Ying Iroh Tam’s passing has profoundly affected not only the global child health community but also me personally. Pui-Ying was an internationally recognized leader in global child health whose work and impact resonated far beyond her immediate surroundings. She was a pioneering researcher with a keen focus on infectious diseases in children, particularly in low- and middle-income countries (LMICs). Her commitment to improving the lives of the most vulnerable children was nothing short of inspiring, and her work continues to shape the landscape of child health today. Pui-Ying was not only an exceptional scientist, but she was also deeply dedicated to promoting equity within global health. She was a tireless advocate for reshaping partnerships in a way that allowed for true collaboration, where the voices of LMIC institutions were not just heard but empowered. She believed that these institutions should be active participants in the design and execution of health projects, ensuring that solutions were not only appropriate but genuinely reflective of the needs of the communities they served. Her calls for a restructuring of these partnerships to prioritize the voices and expertise of local institutions were a testament to her commitment to social justice and to global health reform.
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 | 0,006 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,032 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,024 |
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 ».