MétaCan
Menu
Retour à la cohorte
Enregistrement W2157325651 · doi:10.1136/archdischild-2013-305837

Millennium Development Goals: update from North America

2015· article· en· W2157325651 sur OpenAlexaboutno aff
Elizabeth Peacock‐Chambers, Michael Silverstein

Notice bibliographique

RevueArchives of Disease in Childhood · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensnon disponible
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human Development
Mots-clésPovertyMillennium Development GoalsMedicineLatin AmericansEconomic growthSocioeconomic statusHealth careHealth equityInequalityDevelopment economicsExtreme povertySocioeconomicsEnvironmental healthPolitical sciencePopulationSociology

Résumé

récupéré en direct d'OpenAlex

In the past 15 years, North America made significant advances towards the Millennium Development Goal (MDG) targets despite a crippling and global financial crisis beginning in 2008. The three countries making up North America—Canada, the USA and Mexico—aspired to reach MDGs under strikingly different political and cultural contexts; yet within their own countries, they all face the common challenge of reducing the disparities that exist in education, employment and health across socioeconomic, racial and gender spectrums. Progress towards reduction of disparities in poverty and hunger is evident in North America. Mexico met its goal to cut in half the percentage of people living off <$1.25 per day 3 years before the anticipated date. This reduction is consistent with the change in percentage of people living in poverty across Latin America, decreasing from 12% in 1990 to 6% in 2010. Middle-income countries, however, including Mexico, Argentina, Brazil, Chile and Peru, are largely responsible for this change. The USA achieved a historic change in the lives of people living in poverty with the adoption in 2010 of the Affordable Care Act (ACA) providing access to healthcare for all citizens. ACA will improve healthcare access; however, it will not impact non-medical factors, such as poverty, driving poor health outcomes in the USA. Income inequality in the USA and Mexico is currently at an all-time high and remains significantly higher than in European countries …

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)0,005
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,051
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0070,011
Études des sciences et des technologies0,0010,001
Communication savante0,0030,005
Science ouverte0,0030,004
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0150,008

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 Opus0,086
Tête enseignante GPT0,381
Écart entre enseignants0,295 · 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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchives of Disease in ChildhoodMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207