MétaCan
Menu
Retour à la cohorte
Enregistrement W2309694238 · doi:10.1017/cbo9781139600484.005

Chronic Disease

2013· book-chapter· en· W2309694238 sur OpenAlexaff
Prabhat Jha, Rachel Nugent, Stéphane Verguet, David E. Bloom, Ryan J Hum

Notice bibliographique

RevueCambridge University Press eBooks · 2013
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Public Health Policies and Epidemiology
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDiseaseMedicineChronic diseaseStroke (engine)Intensive care medicinePolitical sciencePathologyEngineering

Résumé

récupéré en direct d'OpenAlex

Eighty percent of global deaths from heart disease, stroke, cancer, and other chronic diseases occur in low- and middle-income countries. This chapter discusses priorities for control of these chronic diseases as an input into the 2012 Copenhagen Consensus. This chapter and the accompanying Chapter 7 on infectious disease control build on the results of the 2008 Copenhagen Consensus chapter on disease control (Jamison et al ., 2008), and is best read as an extension of the latter chapter. This chapter also draws on the framework and findings of the Disease Control Priorities Project (DCP2). The DCP2 engaged over 350 authors and among its outputs were estimates of the cost-effectiveness of 315 interventions, including about 100 interventions for chronic diseases. These estimates vary a good deal in their thoroughness and in the extent to which they provide regionally-specific estimates of both cost and effectiveness. Taken as a whole, however, they represent a comprehensive canvas of chronic disease control opportunities. This chapter identifies five key priority interventions for chronic disease in developing countries which chiefly address heart attacks, strokes, cancer, and tobacco-related respiratory disease. These interventions are chosen from among many because of their cost-effectiveness, the size of the disease burden they address, their implementation ease, and other criteria. Separate but related 2008 Copenhagen Consensus chapters dealt with other major determinants of chronic diseases such as nutrition, (Behrman et al ., 2007), air pollution (Larsen et al ., 2008) and education (Orazem et al ., 2008). The health-related chapters for the 2012 Copenhagen Consensus focus on infectious diseases (Jamison et al ., 2012), sanitation and water (Rijsberman and Zwane, 2012), education (Orazem, 2012), hunger and undernutrition (Hoddinott et al ., 2012) and population growth (Kohler, 2012).

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)0,001
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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,106
Score d'incertitude au seuil0,354

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,1060,027

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 Opus0,032
Tête enseignante GPT0,227
Écart entre enseignants0,195 · 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetGlobal Public Health Policies and EpidemiologyTravaux en français237 207