MétaCan
Menu
Retour à la cohorte
Enregistrement W2015260905 · doi:10.1136/ip.2008.021444

Action indicators for injury prevention

2010· article· en· W2015260905 sur OpenAlexaff
J Morag MacKay, Alison Macpherson, Ian Pike, Joanne Vincenten, Rod McClure

Notice bibliographique

RevueInjury Prevention · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensUniversity of British ColumbiaYork University
Organismes subventionnairesnon disponible
Mots-clésConfusionRisk analysis (engineering)Poison controlOccupational safety and healthAction (physics)Human factors and ergonomicsInjury preventionPresentation (obstetrics)Performance indicatorPreventive actionProcess managementManagement scienceComputer scienceEngineeringBusinessEnvironmental healthComputer securityMedicinePsychologyMarketing

Résumé

récupéré en direct d'OpenAlex

There is considerable confusion about the nature of indicators, their use in the injury field and surprisingly little discussion about these important tools. To date discussions of injury indicators have focused on the content and presentation of health outcome measures and on the dearth of data on exposure measures. Whereas these are valuable measures and assessing the optimal use of available routinely collected data in forming indicators is important, they do not provide sufficient information to support comprehensive prevention efforts, nor do they harness the full potential of indicators as tools to support prevention efforts. This paper provides an overview of the characteristics and uses of indicators for the field of injury prevention in order to make the case for action indicators and provide a framework for their appropriate use.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,666
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
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 recherche0,0010,001
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 Opus0,031
Tête enseignante GPT0,397
Écart entre enseignants0,366 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInjury PreventionMême sujetInjury Epidemiology and PreventionTravaux en français237 207