What is a disease? Perspectives of the public, health professionals and legislators
Notice bibliographique
Résumé
OBJECTIVE: To assess the perception of diseases and the willingness to use public-tax revenue for their treatment among relevant stakeholders. DESIGN: A population-based, cross-sectional mailed survey. SETTING: Finland. PARTICIPANTS: 3000 laypeople, 1500 doctors, 1500 nurses (randomly identified from the databases of the Finnish Population Register, the Finnish Medical Association and the Finnish Nurses Association) and all 200 parliament members. MAIN OUTCOME MEASURES: Respondents' perspectives on a five-point Likert scale on two claims on 60 states of being: '(This state of being) is a disease'; and '(This state of being) should be treated with public tax revenue'. RESULTS: Of the 6200 individuals approached, 3280 (53%) responded. Of the 60 states of being, ≥80% of respondents considered 12 to be diseases (Likert scale responses of '4' and '5') and five not to be diseases (Likert scale responses of '1' and '2'). There was considerable variability in most states, and great variability in 10 (≥20% of respondents of all groups considered it a disease and ≥20% rejected as a disease). Doctors were more inclined to consider states of being as diseases than laypeople; nurses and members were intermediate (p<0.001), but all groups showed large variability. Responses to the two claims were very strongly correlated (r=0.96 (95% CI 0.94 to 0.98); p<0.001). CONCLUSIONS: There is large disagreement among the public, health professionals and legislators regarding the classification of states of being as diseases and whether their management should be publicly funded. Understanding attitudinal differences can help to enlighten social discourse on a number of contentious public policy issues.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 tête enseignante, 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 ».