MétaCan
Menu
Retour à la cohorte
Enregistrement W2043753614 · doi:10.1016/j.healthplace.2014.11.001

The Neighbourhood Effects on Health and Well-being (NEHW) study

2014· article· en· W2043753614 sur OpenAlexafffundabout
Patricia O’Campo, Blair Wheaton, Rosane Nisenbaum, Richard H. Glazier, James R. Dunn

Notice bibliographique

RevueHealth & Place · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensInstitute for Clinical Evaluative SciencesMcMaster UniversityUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchSocial Science Research Council
Mots-clésNeighbourhood (mathematics)Observational studyCross-sectional studySampling designPsychologyEnvironmental healthGeographyMedicinePopulationMathematics

Résumé

récupéré en direct d'OpenAlex

Many cross-sectional studies of neighbourhood effects on health do not employ strong study design elements. The Neighbourhood Effects on Health and Well-being (NEHW) study, a random sample of 2412 English-speaking Toronto residents (age 25-64), utilises strong design features for sampling neighbourhoods and individuals, characterising neighbourhoods using a variety of data sources, measuring a wide range of health outcomes, and for analysing cross-level interactions. We describe here methodological issues that shaped the design and analysis features of the NEHW study to ensure that, while a cross-sectional sample, it will advance the quality of evidence emerging from observational studies.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,301
Score d'incertitude au seuil0,598

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,012
Tête enseignante GPT0,343
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

Citations152
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealth & PlaceMême sujetHealth disparities and outcomesTravaux en français237 207