MétaCan
Menu
Retour à la cohorte
Enregistrement W2037856033 · doi:10.7554/elife.00051

Global divergence in critical income for adult and childhood survival: analyses of mortality using Michaelis–Menten

2012· article· en· W2037856033 sur OpenAlexafffund
Ryan J Hum, Prabhat Jha, Anita M. McGahan, Yu‐Ling Cheng

Notice bibliographique

RevueeLife · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensSt. Michael's HospitalCentre for Global Health ResearchPublic Health OntarioUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research CouncilCanadian Institutes of Health ResearchLupina Foundation
Mots-clésLife expectancyMichaelis–Menten kineticsDivergence (linguistics)Child survivalDemographyEconomicsChild mortalityBiologyDeveloping countryEconomic growthEnzymeEnzyme assaySociology

Résumé

récupéré en direct d'OpenAlex

Life expectancy has risen sharply in the last 50 years. We applied the classic Michaelis-Menten enzyme kinetics to demonstrate a novel mathematical relationship of income to childhood (aged 0-5 years) and adult (aged 15-60 years) survival. We treat income as a substrate that is catalyzed to increase survival (from technologies that income buys) for 180 countries from 1970 and 2007. Michaelis-Menten kinetics permit estimates of maximal survival and, uniquely, the critical income needed to achieve half of the period-specific maximum. Maximum child and adult survival rose by about 1% per year. Critical incomes fell by half for children, but doubled for men. HIV infection and smoking account for some, but not all, of the rising critical incomes for adult survival. Altering the future cost curve for adult survival will require more widespread use of current interventions, most notably tobacco control, but also research to identify practicable low-cost drugs, diagnostics, and strategies.DOI:http://dx.doi.org/10.7554/eLife.00051.001.

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)0,007
score de la tête « metaresearch » (Gemma)0,014
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: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,262
Tête enseignante GPT0,593
Écart entre enseignants0,331 · 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
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueeLifeMême sujetGlobal Health Care IssuesTravaux en français237 207