MétaCan
Menu
Retour à la cohorte
Enregistrement W1994976428 · doi:10.1097/bot.0000000000000103

Evidence Gaps in the Global Decade of Road Traffic Safety

2014· article· en· W1994976428 sur OpenAlexaff
Nathan Evaniew, Katelyn Godin, Emil H. Schemitsch, Mohit Bhandari

Notice bibliographique

RevueJournal of Orthopaedic Trauma · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensSt. Michael's HospitalUniversity of TorontoMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicinePsychological interventionPoison controlLow and middle income countriesOccupational safety and healthInjury preventionHuman factors and ergonomicsSuicide preventionDeveloping countryEnvironmental healthEconomic growthNursing

Résumé

récupéré en direct d'OpenAlex

Road traffic accidents are a leading cause of global mortality. In March 2010, the United Nations General Assembly and the World Health Organization (WHO) officially proclaimed 2011-2020 as the "Decade of Action for Road Safety." Researchers must focus on vulnerable road users and low- and middle-income countries (LMICs) and should give preference to simple high-impact interventions likely to be inexpensive and widely applicable. Collaborative investigative networks should include LMICs, and economic evaluations should demonstrate the value of novel interventions in LMIC settings. Reliable data systems are essential to understand needs and outcomes, and knowledge translation studies should support effective implementation.

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)0,074
score de la tête « metaresearch » (Gemma)0,212
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,393

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0740,212
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0080,010
Études des sciences et des technologies0,0020,006
Communication savante0,0110,013
Science ouverte0,0030,008
Intégrité de la recherche0,0060,010
Charge utile insuffisante (le modèle a refusé de juger)0,0170,002

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 Opus0,016
Tête enseignante GPT0,247
Écart entre enseignants0,231 · 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

Citations12
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Orthopaedic TraumaMême sujetTraffic and Road SafetyTravaux en français237 207