Notice bibliographique
Résumé
We wholeheartedly agree with Clark and Shinoda-Tagawa that injuries are an important source of “avoidable mortality.” Injuries, along with tobacco-related causes of death, are arguably the most important source of deaths that could be avoided by the public health care system. Injury and lung cancer death rates, like death rates for most other avoidable causes, have been decreasing in both Canada and the United States, but the rates are lower in Canada (Figure 1 ▶). For injuries, not only is the Canadian death rate much lower than that of the United States, but—again like death rates due to most other avoidable diseases—it is also decreasing faster. There are many other causes of death that could be avoided by the health care system that we did not include in our study. FIGURE 1 —Rates of avoidable deaths from injuries and lung cancer in Canada and the United States, 1980–1996. Since the study objective was to examine avoidable mortality as a potential performance measure of national health care systems, we felt it was important to select an unbiased group of avoidable deaths to ensure that disease groups were not specifically chosen to favor one country over another. We chose the same disease groups as the European Community Concerted Action Project on Health Services and Avoidable Mortality because this was the most established and widely disseminated evaluation of avoidable mortality.3 An additional benefit of using the European standard population is the ready comparison to the European Community and 13 member countries. Future studies should include injuries and other disease groups based on the principles of “avoidable mortality”3,4 where there is reliable ascertainment of cause of deaths.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,104 | 0,037 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».