MétaCan
Menu
Retour à la cohorte
Enregistrement W4416452147 · doi:10.1097/j.jcrs.0000000000001807

The JCRS 100 Club

2025· article· en· W4416452147 sur OpenAlexaboutno aff

Notice bibliographique

RevueJournal of Cataract & Refractive Surgery · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Robotics and Engineering
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeorge (robot)ClubKingdomGerman

Résumé

récupéré en direct d'OpenAlex

The JCRS 100 Club The 100 Club acknowledges those who have reviewed 100 or more manuscripts for the journal. We give our heartfelt thanks for their time and contribution toward making the journal the prestigious publication it is. We could not have done it without them. All members are listed below; those new in 2025 are shown inboldface. Marco Alberti, MD, Milano, Italy Jorge L. Alió, MD, PhD, Alicante, Spain David Allen, FRCOphth, Sunderland, United Kingdom Noel Alpins, MD, Cheltenham, Victoria, Australia Rana Altan-Yaycioglu, MD, FEBO, Adana, Turkey Lisa B. Arbisser, MD, Sarasota, Florida Paul N. Arnold, MD, Ashland, Oregon Steve A. Arshinoff, MD, FRCSC, Toronto, Ontario, Canada Ehud I. Assia, MD, Kfar-Saba, Israel Gordon Balazsi, MD, Mount-Royal, Quebec, Canada James Banta, MD, Miami, Florida George Beiko, MD, St. Catharines, Ontario, Canada Roberto Bellucci, MD, Salò, Italy Hiroko Bissen-Miyajima, MD, PhD, Tokyo, Japan James C. Bobrow, MD, Clayton, Missouri Sandra M. Brown, MD, Concord, North Carolina Jens Buehren, MD, Hanau, Germany Massimo Busin, MD, Forli, Italy David F. Chang, MD, Los Altos, California Soon-Phaik Chee, FRCS(G), FRCOphth(UK), FRCS(Ed), Singapore, Singapore Alan S. Crandall, MD, Salt Lake City, Utah Wayne Crewe-Brown, MBChB, MMed(Ophth), St. Briavels, United Kingdom Daniel G. Dawson, MD, Gainesville, Florida Mohammad Reza Djodeyre, MD, PhD, Zaragoza, Spain William J. Dupps, MD, PhD, Cleveland, Ohio Timo Eppig, PhD, Homburg, Germany Oliver Findl, MD, Vienna, Austria José Luis Güell, MD, Barcelona, Spain David R. Hardten, MD, Minnetonka, Minnesota Ken Hayashi, MD, Fukuoka City, Japan Nino Hirnschall, MD, Vienna, Austria Kenneth J. Hoffer, MD, Santa Monica, California Richard Hoffman, MD, Eugene, Oregon Jack T. Holladay, MD, Bellaire, Texas Farid Karimian, MD, Tehran, Iran Douglas D. Koch, MD, Houston, Texas L. Stephen Kwok, PhD, Sydney, Australia Stephen S. Lane, MD, Stillwater, Minnesota Richard L. Lindstrom, MD, Bloomington, Minnesota Samuel Masket, MD, Los Angeles, California Rupert Menapace, MD, Vienna, Austria Robert Montés-Micó, PhD, Valencia, Spain Jonathan E. Moore, FRCOphth, PhD, Belfast, United Kingdom Majid Moshirfar, MD, Draper, Utah Kristian Næser, MD, Randers, Denmark Mayank A. Nanavaty, MBBS, DO, FRCOphth, PhD, Brighton United Kingdom Thomas F. Neuhann, MD, Munich, Germany Rudy M.M.A. Nuijts, MD, PhD, Maastricht, the Netherlands Thomas Olsen, MD, PhD, Aarhus N, Denmark Randall J. Olson, MD, Salt Lake City, Utah Tetsuro Oshika, MD, Tsukuba, Japan Seth M. Pantanelli, MD, MD, Hershey, Pennsylvania Konrad Pesudovs, PhD, Adelaide, Australia Marcony R. Santhiago, MD, PhD, São Paulo, Brazil Giacomo Savini, MD, Rome, Italy H. John Shammas, MD, Lynwood, California David J. Spalton, FRCP, FRCS, FRCOphth, London, United Kingdom R. Doyle Stulting, MD, PhD, Atlanta, Georgia Rupal H. Trivedi, MD, Charleston, South Carolina Karel Van Keer, MD, PhD, Leuven, Belgium Abhay R. Vasavada, MS, FRCS, Ahmedabad, India Li Wang, MD, PhD, Houston, Texas Theodore P. Werblin, MD, PhD, Princeton, West Virginia Liliana Werner, MD, PhD, Salt Lake City, Utah Diego Zamora-de la Cruz, MD, Ciudad de Mexico, Mexico Charlotta Zetterström, MD, Stockholm, Sweden

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,811
Score d'incertitude au seuil0,230

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,272
Écart entre enseignants0,260 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
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'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cataract & Refractive SurgeryMême sujetEducational Robotics and EngineeringTravaux en français237 207