MétaCan
Menu
Retour à la cohorte
Enregistrement W2250374574

Identifying Communities at Risk for Sudden and Unexpected Infant Deaths Using ArcGIS

2011· article· en· W2250374574 sur OpenAlexvenueno aff
Sabrina Walsh, Daniel Carey, Richard J. Kryscio

Notice bibliographique

RevueJournal of rural and community development · 2011
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience of respiration and sleep
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetropolitan areaGeographyEnvironmental healthDemographyEpidemiologyGeocodingDisease controlMedicineInfant mortalitySocioeconomicsPopulationCartography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In 2004, approximately 4,500 cases of sudden, unexpected infant death occurred in the United States and between 1994 and 2004 there were 1,007 SUID deaths in Kentucky. Linking morbidity and mortality rates to geographic areas is a fundamental epidemiological tool, which can be applied to preventing infant death. In 2006 the Centers for Disease Control and Prevention funded seven states to record and collect statewide data to clarify certification practices, and identify if state performances fall short of national expectations. Statewide SUID data were retrospectively collected in Kentucky for the years 1999-2005. There were 575 evaluable SUID cases during the study period. For visual analysis of the data, cases were geocoded then spatially joined to the county GIS data layer in a combined data set in order to create maps. Standardized mortality ratio and probability maps were generated and areas with unexpectedly high or low SUIDs were identified. Of Kentucky's 120 counties, 42 were found to have SUIDs higher than expected (including 20 counties, 48% considered Appalachian and 86% non-metropolitan). The remaining 78 counties were considered average with an expected number of SUID cases or a lower number of SUIDs than would be expected. Identifying regions with higher than expected SUID rates allows specific communities and regions to be targeted. Understanding geographically based risk factors allows for more effective and focused prevention strategies. Similar analyses in other states could target needy areas with limited resources to optimize risk reduction and promote more effective pregnancy planning. Keywords: Sudden infant death syndrome, sudden unexplained infant death, mapping analysis, Appalachian, rural

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,154
Tête enseignante GPT0,307
Écart entre enseignants0,153 · 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

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of rural and community developmentMême sujetNeuroscience of respiration and sleepTravaux en français237 207