Florence Nightingale: Statistics to Save Lives
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<p>This paper reviews Florence Nightingale’s contribution to the use of statistics to save lives, beginning with the Crimean War (1854-56). It addresses accusations to the contrary, that her work resulted in lives lost, with primary source data in refutation. It also demolishes exaggerated claims <em>for</em> her, on the extent and speed of death rate reductions achieved, that she collected statistics to this end, and that she did the work virtually single-handedly.</p><p>Comparative French death rates during the war are cited which show how successful the British were with their sanitary reforms. Nightingale’s significant collaboration with the leader of the Sanitary Commission is related. The two went on to numerous successful reforms post-Crimea. The creation of a Statistical Branch was a key part of the strategy.</p><p>Several unsuccessful attempts Nightingale made to improve statistics are noted, beginning with a rejected proposal to add questions on health to the 1861 Census. Next came the Colonial Office’s failure to follow up on her research on excessive deaths in British colonial hospitals and schools, which raised the broader issue of declines in aboriginal numbers. Finally, she had to give up on an attempt to have applied statistics taught at Oxford University, for the benefit of future Cabinet ministers and senior administrators.</p><p>The paper argues that Nightingale’s belief that statistics can be used to save lives still has merit, so long as the endeavour is taken seriously, with adequate attention to detail and complexity.</p>
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.
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 | 0,002 | 0,008 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle