MétaCan
Menu
← Retour à la cohorte
Enregistrement W4412158445 · doi:10.21203/rs.3.rs-6264788/v1

Determining the return on investment of a global adaptive platform trial for critically ill patients during COVID-19: A value of implementation analysis in low- and middle-income countries and globally

2025· preprint· en· W4412158445 sur OpenAlexafffund
Alayna Carrandi, Abi Beane, Diptesh Aryal, Félix Camirand-Lemyre, Anaïs Charles‐Nelson, Barbara Wanjiru Citarella, Fathima Fazla, Amy Grove, Rashan Haniffa, Madiha Hashmi, Bharath Kumar Tirupakuzhi Vijayaraghavan, François Lamontagne, Mohd Basri Mat Nor, Laura Merson, Mohd Shahnaz Hasan, Helen Skouteris, Alisa M. Higgins

Notice bibliographique

RevueResearch Square · 2025
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesInstituto de Salud Carlos IIIMedical Research CouncilNational Institutes of HealthKementerian Kesihatan MalaysiaAll-India Institute of Medical SciencesNational Health and Medical Research CouncilPrince Charles Hospital FoundationNational Institute for Health Research Health Protection Research UnitUniversity of OxfordNorges ForskningsrådUniversity of Cape TownPublic Health EnglandWellcome TrustUniversity College DublinCanadian Institutes of Health ResearchImperial College LondonMedical Research Charities GroupEuropean Federation of Pharmaceutical Industries and AssociationsNational Institute for Health and Care ResearchJST-Mirai ProgramMinistero della SaluteInstitut National de la Santé et de la Recherche MédicaleSunnybrook Research InstituteEuropean CommissionBill and Melinda Gates Foundation
Mots-clésCritically illCoronavirus disease 2019 (COVID-19)Value (mathematics)Investment (military)EconomicsReturn on investmentMedicineIntensive care medicineMacroeconomicsStatisticsInternal medicineMathematicsPolitical science

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,046
score de la tête « metaresearch » (Gemma)0,116
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,954
Score d'incertitude au seuil0,245

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0460,116
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0030,004
Science ouverte0,0010,003
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,318
Tête enseignante GPT0,515
Écart entre enseignants0,196 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueResearch Square→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→