Characteristics of Disease Maps of Zoonoses: A Scoping Review and a Recommendation for a Reporting Guideline for Disease Maps
Bibliographic record
Abstract
Cette étude de portée s’intéresse aux caractéristiques et à la présentation des cartes de pathologie des zoonoses publiées dans la littérature scientifique en 2017 et 2018. Deux analystes ont passé en revue, séparément, les titres et les résumés d’articles obtenus par une recherche dans Medline et d’autres bases de données. Les articles ont été inclus dans l’étude s’ils comportaient une carte de pathologie d’une maladie zoonotique. Les caractéristiques des cartes ont été isolées et résumées à partir du texte intégral des articles qui répondaient aux critères d’inclusion. La recherche a permis de trouver 1 666 fiches bibliographiques. De ce nombre, 302 articles comprenant 505 cartes de pathologie répondaient aux critères d’admissibilité. Bien que la plupart des travaux retenus (66 %) se servent de cartes dans un but exploratoire et descriptif, celui de trouver et de représenter visuellement des récurrences spatiales, les cartes des pathologies ont aussi une fonction analytique quand elles illustrent les résultats d’analyses statistiques géospatiales et spatiales (34 %). La plupart des cartes épidémiologiques retenues dans notre étude ne comportaient aucun des renseignements qui pourraient s’avérer importants pour leur interprétation géospatiale et leur reproductibilité. En particulier, 92 % des cartes ne précisaient pas la projection utilisée. Les résultats de cette étude de portée plaident en faveur de la formulation de lignes directrices concernant la présentation des cartes thématiques sur les maladies.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.098 | 0.336 |
| Meta-epidemiology (narrow) | 0.003 | 0.003 |
| Meta-epidemiology (broad) | 0.006 | 0.013 |
| Bibliometrics | 0.047 | 0.043 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.011 | 0.014 |
| Open science | 0.009 | 0.010 |
| Research integrity | 0.007 | 0.007 |
| Insufficient payload (model declined to judge) | 0.010 | 0.007 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".