Mapping health in the Great Lakes areas of concern: a user-friendly tool for policy and decision makers.
Notice bibliographique
Résumé
The role of the physical environment as a determinant of health is a major concern reported by the general public as well as by many policymakers. However, it remains one of the health determinants for which few available measures or indicators are readily available. This lack of data is compounded by the fact that evidence for direct cause-and-effect relationships in the literature is often equivocal, leading to feelings of uncertainty among the lay public and often leading to indecision among policymakers. In this article we examine one aspect of the physical environment--water pollution in the Great Lakes Areas of Concern (AOCs)--and its potential impacts on a wide range of (plausible) human health outcomes. Essentially, the International Joint Commission, the international agency that oversees Great Lakes water quality and related issues, worked with Health Canada to produce a report for each of the 17 AOCs on the Canadian side of the Great Lakes, outlining a long list of health outcomes and the potential relationships these might have with environmental exposures known or suspected to exist in the Great Lakes basin. These reports are based solely on secondary health data and a thorough review of the environmental epidemiologic literature. The use of these reports by local health policymakers as well as by public health officials in the AOCs was limited, however, by the presentation of vast amounts of data in a series of tables with various outcome measures. The reports were therefore not used widely by the audience for whom they were intended. In this paper we report the results of an undertaking designed to reduce the data and present them in a more policy-friendly manner, using a geographic information system. We do not attempt to answer directly questions related to cause and effect vis-à-vis the relationships between environment and health in the Great Lakes; rather, this work is a hypothesis-generating exercise that will help sharpen the focus of research into this increasingly important area of public health concern.
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 | 0,011 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,119 | 0,042 |
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 ».