MétaCan
Menu
Retour à la cohorte
Enregistrement W1971263403 · doi:10.1093/phe/php035

Health Inequities in Times of a Pandemic

2009· article· en· W1971263403 sur OpenAlexaboutno aff
Marcel Verweij

Notice bibliographique

RevuePublic Health Ethics · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicMedicinePreparednessVaccinationEnvironmental healthPopulationHealth careDiseaseEconomic growthCoronavirus disease 2019 (COVID-19)Political scienceImmunologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

As of November 2009, the ongoing Influenza A H1N1 pandemic appears to be relatively mild compared to scenarios that were foreseen or feared in many pandemic preparedness plans. Currently, most H1N1 influenza patients do not experience serious complications and they recover even without treatment with antiviral drugs. Serious complications are most commonly seen among the existing risk groups for seasonal influenza, e.g., patients with pre-existing chronic respiratory diseases. However, morbidity and mortality rates among children and young adults with no previous medical history are relatively high compared to seasonal influenza. It is still uncertain how the pandemic will develop in the coming months, but one can expect that the pandemic vaccines that have become available since the beginning of November 2009 will most likely make the pandemic ‘manageable’—at least in developed countries. A number of countries like Australia, Canada and the Netherlands expect to have sufficient vaccines to immunise the whole population. However, people in other parts of the world, especially in low-income countries, may have no access to vaccination at all, despite the fact that due to socio-economic deprivation and limited access to health care, they are much more vulnerable to significant negative effects from the disease. Once again, this pandemic underlines the enormous inequities in health and in access to health care between countries.

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)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,004
Communication savante0,0030,004
Science ouverte0,0000,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,463
Tête enseignante GPT0,538
Écart entre enseignants0,074 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations6
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublic Health EthicsMême sujetInfluenza Virus Research StudiesTravaux en français237 207