'Grey literature' in evidence syntheses on Environmental Health & Toxicology (EHT) topics
Notice bibliographique
Résumé
When conducting evidence syntheses on healthcare topics, it is recommended to search both journal publications (typically via databases such as Medline or EMBASE) and unpublished sources (‘grey literature’), to identify all of the evidence pertinent to answering a question of interest. The methods for conducting systematic reviews and evidence syntheses on topics other than healthcare are often adapted from the Cochrane Handbook’s methods. The Conduct of Systematic Reviews in Toxicology and Environmental Health Research (COSTER) recommendations cover the key practices for systematic reviews in toxicology and environmental health research. Similar to the Cochrane Handbook, COSTER recommends searching key databases (Recommendation 2.1), searching sources of grey literature (Recommendation 2.2), checking reference lists (Recommendation 2.4), and contacting relevant individuals and organisations (Recommendation 2.5).{Whaley, 2020 #6} Despite the grey literature searching recommendations from COSTER, it is not clear what reviewers conducting evidence syntheses on environmental and health topics (EHT) consider to be the relevant types and sources of grey literature. Nor is it clear how the reviewers deal with grey literature in their evidence syntheses. To broaden our understanding of these issues, we will therefore conduct a survey to identify: 1. How do those conducting evidence syntheses on EHT topics understand ‘grey literature’ – what types of evidence do they regard as ‘grey literature’? 2. Where do they search for grey literature? 3. How do they deal with grey literature evidence included in their evidence syntheses?
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 | 0,526 | 0,776 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,029 | 0,033 |
| Études des sciences et des technologies | 0,007 | 0,036 |
| Communication savante | 0,034 | 0,058 |
| Science ouverte | 0,009 | 0,025 |
| Intégrité de la recherche | 0,018 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,007 |
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 ».