MétaCan
Menu
Retour à la cohorte
Enregistrement W2176613714 · doi:10.1121/1.4933521

Patient centered method and soundscape—A bridge between clinicians and acousticians

2015· article· en· W2176613714 sur OpenAlexaff
Robert Y. McMurtry

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésSoundscapeAnnoyanceContext (archaeology)PerceptionApplied psychologyWork (physics)Noise (video)PsychologyComputer scienceMedicineAcousticsAudiologyEngineeringArtificial intelligenceHistoryMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The Patient Centered Method (PCM) and Soundscape have much in common including their emergence about 60 years ago based on the work of Balint and Kryter, respectively. Both place the patient or person at the center of management of clinical illness or noise annoyance. PCM requires that the patient perceive that they have experienced meaningful care, communication, and common ground in clinical encounters. The evaluation focuses on the patient’s life context and their perception of disease or the “illness experience.” When PCM is accomplished, the result is higher satisfaction, better outcomes of chronic diseases, fewer tests, and referrals and attendant lower costs (Stewart et al., 2000). Soundscape, a term coined by Shafer in 1977 also places the person in center, in the context of their acoustic environment, emphasizes their perception of noise as the “New Experts” (Bray 2012). According to Bray exposed people are “objective measuring instruments whose reports and experiences must be taken seriously and quantified by technical measurements.” This paper will explore the congruence of PCM and Soundscape and the necessity of this approach in evaluating the experience of those exposed to wind turbine acoustical energy.

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)0,036
score de la tête « metaresearch » (Gemma)0,045
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,190

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0360,045
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0040,019
Communication savante0,0120,010
Science ouverte0,0020,014
Intégrité de la recherche0,0040,009
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,068
Tête enseignante GPT0,405
Écart entre enseignants0,337 · 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
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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetNoise Effects and ManagementTravaux en français237 207