MJM MedTalks (S01E03): A Conversation with Dr. Ahmad Haidar
Notice bibliographique
Résumé
McGill Journal of Medicine (MJM) MedTalks is a podcast series where members of the McGill Faculty of Medicine and Health Sciences are interviewed on topics related to career, research, advocacy and more. The aim of MedTalks is to open a space where faculty members can share information and advice for trainees in healthcare and medical sciences. In this episode, MJM Podcast Team members, McGill medical student Dylan Langburt and MSc candidate Khiran Arumugam interviews Dr. Ahmad Haidar about his work in the Artificial Pancreas Lab. Dr. Haidar is an assistant professor from the department of Biomedical Engineering, Faculty of Medicine and Health Sciences here at McGill. He leads an interdisciplinary research program that applies feedback control theory and mathematical modeling to diabetes, psychological, and clinical problems. Since 2011, Dr. Haidar’s research aim has been to develop and clinically test novel artificial pancreas systems with the use of Bayesian modeling and isotope tracers to study the pharmacokinetics and pharmacodynamics of dual-hormones (insulin and pramlintide). He is the first to develop the dosing algorithm of the artificial pancreas system. This interview will potentially cover concepts such as the artificial pancreas, diagnosis and treatment systems, automated delivery systems, diabetes (Type 1), biomedical devices, glucose-isotope tracers, glucose physiology metabolism, etc. Today’s conversation is divided into three parts: 1) Questions regarding the history from the discovery to the evolution of insulin; 2) Questions focusing on specific objectives in Dr. Haidar’s lab; 3) General advice for medical/research students. The show notes include a transcript of the podcast, a more detailed content overview, glossary of important terms and resources and references. This podcast is produced and edited by MJM’s social media team members Dylan and Khiran with input from the entire MJM Podcast Team. Please see our website www.mjmmed.com for more information, including a link to show notes.
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 | 0,009 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,004 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,011 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,077 | 0,023 |
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 ».