MétaCan
Menu
Retour à la cohorte
Enregistrement W2103988881 · doi:10.12927/hcq.2011.22582

Canada and the World: A Comparative Approach to Injury Prevention

2011· article· en· W2103988881 sur OpenAlexaffabout
Pamela Fuselli, Amy Wanounou

Notice bibliographique

RevueHealthcare Quarterly · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensActive Healthy Kids
Organismes subventionnairesnon disponible
Mots-clésPublic healthPaceDiseaseMedicinePsychological interventionCause of deathYears of potential life lostEnvironmental healthInjury preventionEconomic growthPoison controlGeographyPopulationNursingLife expectancyPathology

Résumé

récupéré en direct d'OpenAlex

Canada is consistently ranked as one of the best places to live in the world. A crucial part of this view is based on Canada's approach to public health, which has achieved measurable results in the rate reduction of some leading causes of disease and death. It is therefore surprising to learn that in tackling the leading cause of death for Canadian children and youth, Canada ranks a disappointing 18th of 26 nations in the Organisation for Economic Co-operation and Development (UNICEF 2001). Few are aware that unintentional injury is the leading cause of death for Canadian children and youth between the ages of one and 14. In Canada, injury kills more children and youth than all disease (Canadian Institutes of Health Research 2008). Unintentional injuries are a leading public health issue that directly impacts the health, well-being and quality of life of those injured, as well as their families, communities and greater society. Nevertheless, injury is often neglected, and investment is rarely equal to the magnitude of the problem. The reality is that injury prevention has not kept pace with other public health interventions such as tobacco control or infectious disease prevention programs. Despite its devastating impact, injury remains an invisible epidemic.

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)0,011
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: aucune
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,609

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0230,040
Études des sciences et des technologies0,0110,005
Communication savante0,0080,005
Science ouverte0,0020,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,000

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 Opus0,063
Tête enseignante GPT0,360
Écart entre enseignants0,297 · 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

Citations2
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealthcare QuarterlyMême sujetInjury Epidemiology and PreventionTravaux en français237 207