Data for: Characterizing multi-criteria decision analysis, risk stratification, and hotspot analysis methods to optimise disease policymaking and evidence translation for medicines in low- and middle-income countries: A scoping review
Notice bibliographique
Résumé
The supplementary materials include the Preferred Reporting Items for Systematic Reviews and Meta-Analyses -S1 PRISMA checklist, which provides a structured set of sections for reporting the scoping review and contains key information from the paper, including the aims, specific methods, data sources, analyses, and how each item is addressed. It contains three appendices corresponding to each main section of the paper, as well as a list of supporting tables and figures. S1 Appendix includes data related to key attributes, such as the number of articles over time, geographical region and country, author affiliation, disease focus, and stage of medicine translation. S2 Appendix includes data on the specific analytical methods presented in the review—multi-decision criteria analysis (MDCA), risk stratification, and hotspot analysis—such as article summaries, variables, and visual tools. S3 Appendix includes data related to the grey literature, including the search strategies and outputs from international and regional organisations, conferences, and independent journals. S1 PRISMA-Checklist S1 Appendix. Tables and figures related to the section 'Paper and report attributes' S2 Appendix. Tables and figures related to the section 'Data analytical methods' S3 Appendix. Tables and figures related to the section 'Grey literature'
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 | 0,032 | 0,291 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,010 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,312 | 0,060 |
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 ».