MétaCan
Menu
Retour à la cohorte
Enregistrement W6977193456 · doi:10.6084/m9.figshare.26990617.v1

Additional file 5 of Sex difference of pre- and post-natal exposure to six developmental neurotoxicants on intellectual abilities: a systematic review and meta-analysis of human studies

2024· article· en· W6977193456 sur OpenAlexaff

Notice bibliographique

RevueFigshare · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering and Materials Science Studies
Établissements canadiensSimon Fraser UniversityYork University
Organismes subventionnairesnon disponible
Mots-clésFunnel plotNonverbal communicationFunnelPlot (graphics)Human intelligenceVerbal reasoning

Résumé

récupéré en direct d'OpenAlex

Additional file 5: Sensitivity Analyses Figure 1. Funnel Plot - General Intelligence in Males. Figure 2. Funnel Plot - General Intelligence in Females. Figure 3. Funnel Plot - Nonverbal Intelligence in Males. Figure 4. Funnel Plot - Nonverbal Intelligence in Females. Figure 5. Funnel Plot - Verbal Intelligence in Males. Figure 6. Funnel Plot - Verbal Intelligence in Females. Figure 7. Funnel Plot - Postnatal Lead and General Intelligence in Males. Figure 8. Funnel Plot - Postnatal Lead and General Intelligence in Females. Figure 9. Leave One Out - General Intelligence in Males. Figure 10. Leave One Out - General Intelligence in Females. Figure 11. Leave One Out - Nonverbal Intelligence in Males. Figure 12. Leave One Out - Nonverbal Intelligence in Females. Figure 13. Leave One Out - Verbal Intelligence in Males. Figure 14. Leave One Out - Verbal Intelligence in Females. Figure 15. Leave One Out - Postnatal Lead and General Intelligence in Males. Figure 16. Leave One Out - Postnatal Lead and General Intelligence in Females. Figure 17. Low Risk of Bias - General Intelligence in Males. Figure 18. Low Risk of Bias - General Intelligence in Females. Figure 19. Low Risk of Bias - Nonverbal Intelligence in Males. Figure 20. Low Risk of Bias - Nonverbal Intelligence in Females. Figure 21. Low Risk of Bias - Verbal Intelligence in Males. Figure 22. Low Risk of Bias - Verbal Intelligence in Females.

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)0,005
score de la tête « metaresearch » (Gemma)0,062
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,661
Score d'incertitude au seuil0,483

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,062
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0050,010
Bibliométrie0,0050,007
Études des sciences et des technologies0,0010,000
Communication savante0,0020,004
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,6610,018

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 Opus0,056
Tête enseignante GPT0,275
Écart entre enseignants0,219 · 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
GenreJeu de données

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetEngineering and Materials Science StudiesTravaux en français237 207