Preventative Medicine as a Tool to Ensure Health Equity for Disadvantaged Populations: An Interview with Dr. Kevin Pottie
Notice bibliographique
Résumé
“An ounce of prevention is worth a pound of cure.” —Benjamin Franklin. In this article, we interview Dr. Kevin Pottie, MD. Dr. Pottie is well known for his clinical and research work on preventative medicine, health equity and evidence-based guidelines, particularly as they relate to disadvantaged populations. We discuss with Dr. Pottie his career as a clinician investigator. He guides us through his journey and shares with us important advice on caring for newly arriving Syrian refugees based on recent published guidelines. « Mieux vaut prévenir que guérir. » —Benjamin Franklin. Dans cet article, nous interviewons Dr Kevin Pottie, MD. Dr Pottie est reconnu pour sa recherche clinique en médecine préventive et en santé équitable particulièrement dans le domaine des populations désavantagées. Dans cette entrevue, Dr Pottie discutera de sa carrière en tant que chercheur clinique et nous partagera des conseils importants sur les soins à donner aux réfugiés syriens nouvellement arrivés au Canada. Ses conseils sont fondés sur des lignes directrices nouvellement publiées.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,015 | 0,010 |
| Communication savante | 0,005 | 0,010 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,008 | 0,035 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».