A Community Effort to Develop Common Data Elements for Pre-Clinical Spinal Cord Injury Research
Notice bibliographique
Résumé
For nearly 350 years, the process of disseminating scientific knowledge has remained largely unchanged. Scientists conduct experiments, analyze the data, and publish their findings in the form of scientific articles. Since the turn of the century, this process has been challenged by numerous open science and data sharing efforts to enhance transparency, reproducibility, and replicability of scientific research. Big data approaches, together with machine learning and artificial intelligence, are frequently used to gain insight into the ever-growing complexity of biological systems and biomedical research. To utilize these approaches and harness the continuously increasing computational power requires data to be both machine readable and, ideally, harmonized across studies. Therein lies the challenge: understanding how to organize and describe data is a critical skill for scientists, yet one that is rarely explicitly taught. Common data elements (CDEs), standardized definitions, and reporting structures for data represent a practical solution to this challenge. With the goal of creating a common language to describe and share pre-clinical spinal cord injury (SCI) research data, the open data commons for SCI, in collaboration with the National Institute of Neurological Disorders and Stroke, kicked off this process with the "Preclinical SCI Common Data Elements (CDE) Workshop," held in conjunction with the National Neurotrauma Symposium in San Francisco, California in June 2024. In this report, we discuss the workshop proceedings, summarize the input provided by the SCI research community, share insights from related CDE efforts, and provide a pragmatic approach to creating CDEs for pre-clinical SCI research.
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 | 0,445 | 0,509 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,004 | 0,008 |
| Bibliométrie | 0,031 | 0,027 |
| Études des sciences et des technologies | 0,009 | 0,020 |
| Communication savante | 0,031 | 0,067 |
| Science ouverte | 0,019 | 0,053 |
| Intégrité de la recherche | 0,014 | 0,038 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,008 |
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 ».