MétaCan
Menu
Retour à la cohorte
Enregistrement W1778830523 · doi:10.26443/mjm.v13i2.237

Exploring the Possibility for a Common System for Joint Aeromedical Standards

2020· article· en· W1778830523 sur OpenAlexvenueno aff
Justin Woodson, Walter M Dalitsch, James L Persson, James S. McGhee, Charles Ciccone, Brian Parsa

Notice bibliographique

RevueMcGill Journal of Medicine · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNavyStandardizationAviationTerminologyAeronauticsWaiverCoast guardService (business)MedicineOperations managementEngineeringBusinessPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

The Physical qualification standards for aviation service used by the United States Army, Navy/Marine Corps, Air Force, and Coast Guard developed in parallel, diverging in many instances due to differences ranging from terminology to mission. Presently, standards and requirements for waiver vary widely between the services, in spite of minimal differences in aeromedical concerns for any given medical condition. Standardization or increased concordance between the services would have several advantages leading to more efficient and effective delivery of aviation medical support to the operational forces. This is particularly true in an increasingly joint operational environment. The authors have identified four major hurdles that must be overcome before the concept of joint aviation physical standards can be explored. These include: a difference in terminology including aviator classification, a difference in mission definitions and requirements, a difference in the processes of policy development, and a difference in the review and application of those policies. These hurdles are explored, and suggestions for their mitigation are presented with open discussion following.

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)0,270
score de la tête « metaresearch » (Gemma)0,245
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,270
Score d'incertitude au seuil0,900

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2700,245
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0160,013
Études des sciences et des technologies0,0050,021
Communication savante0,0220,041
Science ouverte0,0110,013
Intégrité de la recherche0,0170,021
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,469
Tête enseignante GPT0,496
Écart entre enseignants0,027 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMcGill Journal of MedicineMême sujetOccupational Health and PerformanceTravaux en français237 207