MétaCan
Menu
Retour à la cohorte
Enregistrement W2141536349 · doi:10.1007/bf03403834

Safe Cycling: How Do Risk Perceptions Compare With Observed Risk?

2012· article· en· W2141536349 sur OpenAlexafffundvenue
Meghan Winters, Shelina Babul, Harold Becker, Jeffrey R. Brubacher, Mary L. Chipman, Peter A. Cripton, Michael D. Cusimano, Steven Friedman, Marianne Harris, Garth Hunte, Melody Monro, Conor C. O. Reynolds, Hui Shen, Kay Teschke

Notice bibliographique

RevueCanadian Journal of Public Health · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensOccupational Cancer Research CentreCancer Care OntarioUniversity of British ColumbiaPublic Health OntarioUniversity Health NetworkUniversity of TorontoSt. Michael's HospitalSimon Fraser University
Organismes subventionnairesInstitute of Musculoskeletal Health and ArthritisCanadian Institutes of Health ResearchMichael Smith Health Research BCOntario Neurotrauma FoundationInstitute of Nutrition, Metabolism and DiabetesHeart and Stroke Foundation of Canada
Mots-clésCyclingRisk perceptionConfidence intervalInjury preventionOccupational safety and healthMedicinePoison controlHuman factors and ergonomicsRisk assessmentSuicide preventionEmergency departmentDemographyPerceptionPsychologyEnvironmental healthGeographyNursingComputer securityInternal medicineComputer science

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,089
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,149
Tête enseignante GPT0,355
Écart entre enseignants0,205 · 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 tête enseignante, 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

Citations116
Publié2012
Routes d'admission3
Résumé présentnon

Explorer davantage

Même revueCanadian Journal of Public HealthMême sujetInjury Epidemiology and PreventionTravaux en français237 207