MétaCan
Menu
Retour à la cohorte
Enregistrement W2087983021 · doi:10.1177/1357633x0501100108

An Assessment of the Telehealth Needs and Health-Care Priorities of Tanna Island: A Remote, Under-Served and Vulnerable Population

2005· article· en· W2087983021 sur OpenAlexaffabout
Afshin Khazei, Sandra Jarvis-Selinger, Kendall Ho, Anna F. Lee

Notice bibliographique

RevueJournal of Telemedicine and Telecare · 2005
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensVancouver General HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTelehealthMedicineHealth carePopulationNursingTyphoid feverPublic healthMalariaMedical emergencyTelemedicineFamily medicineEnvironmental healthEconomic growth

Résumé

récupéré en direct d'OpenAlex

We surveyed eight Canadian physicians who had each provided medical care for six months on the remote and under-served island of Tanna in Vanuatu. The most frequently encountered medical problems on Tanna were infectious diseases (tuberculosis, hepatitis, abscesses, malaria, pneumonia, typhoid fever, meningitis and skin infections). When physicians were asked about the top three health-care priorities, they ranked tuberculosis control, clean water and improved health-care delivery/communication between hospital and outposts as most important. The key issues were: (1) basic public health needs and infrastructure development are higher in priority than telehealth; (2) telehealth consultants must have knowledge pertinent to local conditions and resources available to the population; (3) electronic equipment suited to tropical environments is needed; (4) projects must be developed locally rather than internationally. Understanding how telehealth can provide support to health professionals under challenging conditions may assist with the health priorities in developing countries and potentially provide access to resources both locally and internationally.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,629
Score d'incertitude au seuil0,747

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,016
Tête enseignante GPT0,350
Écart entre enseignants0,335 · 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

Citations10
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Telemedicine and TelecareMême sujetGlobal Maternal and Child HealthTravaux en français237 207