MétaCan
Menu
Retour à la cohorte
Enregistrement W6893626163 · doi:10.5281/zenodo.3908144

CINECA: Common Infrastructure for National Cohorts in Europe, Canada, and Africa - Kick Off Report

2019· article· en· W6893626163 sur OpenAlexaboutno aff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Rare Diseases
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Commission
Mots-clésInteroperabilityData sharingExcellenceLeverage (statistics)DeliverablePopulationWork (physics)Global healthEuropean union

Résumé

récupéré en direct d'OpenAlex

The CINECA consortium was formed in response to the EU call ‘Better Health and care, economic growth and sustainable health systems’ (H2020-SC1-BHC-2018-2020) with a proposal for an international flagship collaboration with Canada for human data storage, integration and sharing to enable personalised medicine approaches. CINECA proposes a federated cloud enabled infrastructure making population scale genomic and biomolecular data accessible across international borders, accelerating research, and improving the health of individuals across continents. CINECA will leverage international investment in human cohort studies from Europe, Canada, and Africa to deliver a paradigm shift of federated research and clinical applications. The CINECA consortium will create one of the largest cross-continental implementations of human genetic and phenotypic data federation and interoperability with a focus on common (complex) disease, one of the world’s most significant health burdens. The partners represent a unique combination of scientific excellence with experience of eleven diverse cohorts and scientific projects such as the European Genome-phenome Archive, CanDIG, and H3Africa. The CINECA Kick off meeting was held on January 24th-25th 2019 at the Wellcome Genome Campus Conference Centre, Hinxton UK. The key objective of the meeting was to bring together consortium members to facilitate discussion on the project’s goals and action plan. The report focuses on an overview of the Work Packages as presented to the consortium (focusing on deliverables due in the first reporting period), the cohorts included in the project, and the decisions made by the Executive Board for actions to implement year 1 of the project.

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 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)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil0,442

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0460,046
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0060,006
Études des sciences et des technologies0,0060,002
Communication savante0,0130,008
Science ouverte0,0080,019
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0270,017

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 Opus0,009
Tête enseignante GPT0,211
Écart entre enseignants0,203 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetGenomics and Rare DiseasesTravaux en français237 207