MétaCan
Menu
Retour à la cohorte
Enregistrement W1981055588 · doi:10.1155/2010/947906

Factors Associated with Increased Risk Perception of Pandemic Influenza in Australia

2010· article· en· W1981055588 sur OpenAlexaboutno aff
Jennifer Jacobs, Melanie Taylor, Kingsley Agho, Garry Stevens, Margo Barr, Beverley Raphael

Notice bibliographique

RevueInfluenza Research and Treatment · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicQuarter (Canadian coin)DemographyPopulationMedicinePerceptionInfluenza pandemicMultivariate analysisGerontologyRisk perceptionEnvironmental healthPsychologyCoronavirus disease 2019 (COVID-19)GeographyDiseaseInfectious disease (medical specialty)Sociology

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to assess factors associated with increased risk perception of pandemic influenza in Australia. The sample consisted of 2081 Australian adults aged 16 years and older who completed a short three item pandemic influenza question module which was incorporated into the NSW Health Adult Population Health Survey during the first quarter of 2007. After adjusting for covariates, multivariate analysis indicated that those living in rural regions were significantly more likely to perceive a high risk that a pandemic influenza would occur, while those with poor self-rated health perceived both a high likelihood of pandemic and high concern that self/family would be directly affected were such an event to occur. Those who spoke a language other than English at home and those on low incomes and younger people (16-24 years) were significantly more likely to have changed the way they lived their lives due to the possibility of pandemic influenza, compared to those who spoke only English at home, middle-high income earners, and older age groups, respectively. This data provides an Australian population baseline against which the risk perceptions of demographic subgroups regarding the current, and potential future pandemics, can be compared and monitored.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,319
Tête enseignante GPT0,473
Écart entre enseignants0,154 · 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'étudeObservationnel
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

Citations42
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInfluenza Research and TreatmentMême sujetInfluenza Virus Research StudiesTravaux en français237 207