A Systematic Review on Calibration Transfer and Maintenance by Université de Sherbrooke, Faculty of Engineering, Department of Chemical and Biotechnological Engineering
Notice bibliographique
Résumé
This registered project documents a systematic review of calibration transfer (CT) and calibration maintenance (CM) methods, with a focus on near-infrared (NIR) spectroscopy and multivariate calibration models used in regulated, real-world analytical settings. The review consolidates and critically analyzes published evidence on how CT/CM approaches are applied, validated, and reported, with the aim of clarifying best practices, identifying gaps, and supporting robust model lifecycle management consistent with Quality by Design (QbD) and Process Analytical Technology (PAT) principles. The project includes structured screening and data-extraction workflows and provides transparent, reusable datasets derived from the review process. The file “SR_pharma” contains the full extraction table for the articles included in the published pharmaceutical-focused systematic review, enabling reproducibility, secondary analyses, and future updates of the evidence base. The file “SR_AFS” contains extracted information from relevant studies and publicly available datasets in agriculture, food, and soil domains that were excluded from the pharmaceutical review by scope; this companion dataset remains valuable for cross-domain comparison, benchmarking, and future calibration transfer research in related application areas. By making both the systematic synthesis and the underlying extraction tables openly accessible, this OSF registration is intended to promote methodological transparency, encourage consistent evaluation practices, and accelerate the development of reliable, implementable calibration transfer and maintenance strategies by both expert chemometricians and non-expert practitioners.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,000 |
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.
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 tête enseignante, 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 ».