Living Rapid Research Needs Appraisal (RRNA) for Priority Diseases Protocol
Notice bibliographique
Résumé
Systematic reviews require time and resources to conduct that might not be available in a rapidly developing context such as during new and (re-) emerging infectious disease outbreaks. As part of the Pandemic-PACT program at the Pandemic Sciences Institute at the University of Oxford we have, in collaboration with Cochrane Response and Cochrane South Africa, developed a "living" Rapid Research Needs Appraisal (RRNA) methodology. The aim is to develop a protocol for rapidly and robustly identify key evidence gaps across pre-defined research domains to inform research prioritisation and coordination in preparedness time and during outbreaks. The RRNA utilises modified systematic review methods, a global relay of reviewers, and systematic review software. The objective is to strengthen capability for carrying out RRNAs, and establish a baseline evidence platform for priority infectious diseases that can be readily updated as new evidence emerges, utilising an adaptable "living" RRNA protocol. This data will be of relevance to funders, researchers, clinical and public health stakeholders involved in management of infectious diseases of epidemic and pandemic potential.
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 | 0,354 | 0,550 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,007 |
| Méta-épidémiologie (sens large) | 0,009 | 0,012 |
| Bibliométrie | 0,012 | 0,015 |
| Études des sciences et des technologies | 0,006 | 0,010 |
| Communication savante | 0,012 | 0,010 |
| Science ouverte | 0,006 | 0,012 |
| Intégrité de la recherche | 0,012 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,156 | 0,036 |
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 ».