Abstracts of the 45th Congress of the Société Internationale d’Urologie
Notice bibliographique
Résumé
The SIU wishes to extend its gratitude to the urologists who contributed their time to review abstract submissions for the 45th SIU Congress:Refaat Abusamra, Libya;Sanjai Addla, India;Kinju Adhikari, India;Neeraj Agarwal, United States;Madhu Agrawal, India;Sachin Agrawal, United Kingdom;Thomas Ahlering, United States;Shusuke Akamatsu, Japan;Peter Albers, Germany;Salah Albuheissi, United Kingdom;Naif Alhathal, Saudi Arabia;Bedeir Ali-El-Dein, Egypt;Murtadha Almusafer, Iraq;Anastasios Anastasiadis, Greece;Mohamed Arafa, Qatar;Amandeep Arora, India;Zeeshan Aslam, United Kingdom;Hammad Ather, Pakistan;Widi Atmoko, Indonesia;Melanie Aubé-Peterkin, QC;Riccardo Autorino, United States;Ben Ayres, United Kingdom;Puskal Kumar Bagchi, India;Ganesh Bakshi, India;Mevlana Derya Balbay, Turkey;Neil Barber, United Kingdom;John Barry, United States;Jens Bedke, Germany;Elisa Berdondini, Italy;Gajanan Bhat, India;Amit Bhattu, United States;Naeem Bhojani, Canada;N I Bhuiyan, Bangladesh;Marta Bizic, Serbia;Damien Bolton, Australia;Vincenzo Borgna, Chile;Muhammad Bulbul, Lebanon;Gian Maria Busetto, Italy;Ana Gabriela Caballero Garcia, Mexico;Adam Calaway, United States;Amparo Camacho, United States;Kevin Campbell, United States;Francesco Capelan, Switzerland;Manuel Castanheira de Oliveira, Portugal;Christine Joy Castillo, Philippines;David Castro-Diaz, Spain;Arun Chawla, India;Manohar ChikkaMoga Siddaiah, India;Archil Chkhotua, Georgia;Sung Yong Cho, Korea, Rep [...]
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,079 | 0,029 |
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 ».