Acknowledgement to Reviewers
Notice bibliographique
Résumé
The editors and Karger Publishers would like to thank the following reviewers for their ongoing support in reviewing manuscripts for Cardiorenal Medicine.Dmitry Abramov, Loma Linda, CA, USADeepak Acharya, Tucson, AZ, USAIbrahim Akin, Mannheim, GermanyGulali Aktas, Bolu, TurkeyAli AlSahow, Al Jahra, KuwaitEduardo R. Argaiz, Tlalpan, MexicoSudarshan Balla, Morgantown, WV, USAGiovanni Barbati, Vicenza, ItalyClemente Barron, Tlalpan, MexicoAmer Belal, Gainesville, FL, USAClaudia Benedetti, Vicenza, ItalyJiashen Cai, Singapore, SingaporeJesus Casado, Getafe, SpainVipanpreet Chahil, Modesto, CA, USAKristina Charaya, Moscow, RussiaJonathan S. Chavez Iñiguez, Guadalajara, MexicoMeihua Chen, Haikou, ChinaJi-dong Cheng, Xiamen, ChinaAna Cruz Solbes, Boston, MA, USAGianpiero Damico, Venice, ItalyRafael de la Espriella, Valencia, SpainPaul Der Mesropian, Alabany, NY, USAAbhishek Deshpande, Bengaluru, IndiaJavier Diez, Pamplona, SpainYiHong Du, Shanghai, ChinaRobert Ekart, Maribor, SloveniaGuido Filler, Toronto, ON, CanadaMatteo Floris, Cagliari, ItalyJara Gayán Ordás, Lleida, SpainJared Gollie, Washington, DC, USAMiguel González Rico, Valencia, SpainXiangchen Gu, Shanghai, ChinaGregor Guron, Gothenburg, SwedenAbiodun Idowu, Philadelphia, PA, USAVictor Issa, Antwerp, BelgiumJuan B. Ivey-Miranda, Mexico City, MexicoGuang Ji, Shanghai, ChinaGuanghong Jia, Columbia, MO, USAKyung An Kim, Seoul, Republic of KoreaBernd Krüger, Darmstadt, GermanyAlexander Kula, Chicago, IL, USALalathaksha Kumbar, Detroit, MI, USAPau Llacer, Madrid, SpainKunal Malhotra, St. Louis, MO, USAShreepriya Mangalgi, Columbia, MO, USAPedro Marques, Porto, PortugalMarco Mojoli, Pordenone, ItalyShan Mou, Shanghai, ChinaMelin Narayan, Loma Linda, CA, USAJacob Ninan, Olympia, WA, USARavi Nistala, Columbia, MO, USAGonzalo Núñez-Marin, Valencia, SpainJaume Padilla, Columbia, MO, USAAlberto Palazzuoli, Siena, ItalySuchita Pande, Boston, MA, USAXavier Fernando Parada, Worcester, MA, USAAlex Parker, Gainesville, FL, USAJose Angel Perez Rivera, Burgos, SpainAntonino Previti, Santorso, ItalyAbd Qannus, Tucson, AZ, USAAfif Ramadhan, Sleman, IndonesiaZaccaria Ricci, Florence, ItalyHongliang Rui, Beijing, ChinaCrina Claudia Rusu, Cluj-Napoca, RomaniaAbhishek Samprathi, Bengaluru, IndiaSarah Sanghavi, Seattle, WA, USANagaraju Sarabu, Cleveland, OH, USAKristin Schreiner, Heidelberg, GermanyDavid Selewski, Charleston, SC, USAYunfeng Shen, Shenzhen, ChinaRyann Sohaney, Ann Arbor, MI, USAKsenija Stach, Mannheim, GermanyCynthia Ann Stavish, Oak Ridge, TN, USAMingliang Tang, Nanjing, ChinaFei Tong, Xiamen, ChinaCundullah Torun, Istanbul, TurkeyJunior Uduman, Detroit, MI, USASerkan Ünlü, Ankara, TurkeyJorge Vazquez Lopez-Ibor, Madrid, SpainGiovanni Vescovo, Mestre, ItalyKrishnaswami Vijayaraghavan, Phoenix, AZ, USABenjamin Wagner, Detroit, MI, USAMatthew R. Weir, Baltimore, MD, USAR. Scott Wright, Rochester, NY, USAXiaohong Wu, Zhejiang, ChinaI-Wen Wu, Taipei, TaiwanPreethi Yerram, Columbia, MO, USADong-Dong Yu, Guangzhou, ChinaChen Yu, Shanghai, ChinaXiaohui Zhao, Chongqing, ChinaLiang Zheng, Shanghai, ChinaJiahua Zhou, Wenzhou, ChinaLara Zonneveld, Groningen, The Netherlands
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 | 0,022 | 0,222 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,017 | 0,010 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,007 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,271 | 0,192 |
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 ».