MétaCan
Menu
Retour à la cohorte
Enregistrement W2113999705 · doi:10.1093/pubmed/fdq006

Market failure is bad for your health but social injustice is worse

2010· letter· en· W2113999705 sur OpenAlexfundno aff
Alan Shiell

Notice bibliographique

RevueJournal of Public Health · 2010
Typeletter
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchHealth CanadaInstitut pour la Recherche en Santé PubliquePublic Health Agency
Mots-clésInjusticeSocial injusticePublic healthBusinessMarket failureEnvironmental healthMedicinePsychologyPolitical scienceEconomicsNursingSocial psychology

Résumé

récupéré en direct d'OpenAlex

Smith and Petticrew succinctly outline the challenges we face in evaluating the impact of public health interventions tackling social determinants: challenges driven by multiple agencies with varying and sometimes conflicting interests, complex causal pathways and outcomes that extend beyond health. Looking ahead they call for a new evaluation approach, one that focuses on the whole before it focuses on any single part: a macro- rather than a micro-approach. They generously invite comment, which is valuable as their conclusions are important and bear repetition and re-emphasis. Some readers may take issue with points they make along the way. Does the contemporary agenda on socio-economic factors really represent a move away from infectious disease when prevalence of diseases such as tuberculosis remains one of the most blatant indicators of a breakdown in social and economic structure?1 Is the interest in social determinants really so recent or have the authors overlooked the efforts of Farr, or Virchow and others who followed who saw poverty and its associated social and political conditions as the root cause of ill health and political reform, economic development and education as legitimate instruments of public health?2

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)0,003
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,027
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,005
Communication savante0,0040,004
Science ouverte0,0010,002
Intégrité de la recherche0,0640,055
Charge utile insuffisante (le modèle a refusé de juger)0,0110,004

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 Opus0,108
Tête enseignante GPT0,415
Écart entre enseignants0,307 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2010
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueJournal of Public HealthMême sujetHealth disparities and outcomesTravaux en français237 207