MétaCan
Menu
Retour à la cohorte
Enregistrement W2410646838 · doi:10.5694/j.1326-5377.2001.tb143162.x

The moving of St Vincent's: a tale in two cities

2001· article· en· W2410646838 sur OpenAlexaff
Marion Haas, Jane P Hell, Liz A Chinchen

Notice bibliographique

RevueThe Medical Journal of Australia · 2001
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Aging, and Tourism Studies
Établissements canadiensCentre for Advancing Health Outcomes
Organismes subventionnairesnon disponible
Mots-clésScrutinyOpposition (politics)Health careGovernment (linguistics)PopulationInner cityPolitical scienceEconomic growthPublic administrationPublic relationsSociologySocioeconomicsPoliticsDemographyLawEconomics

Résumé

récupéré en direct d'OpenAlex

In Australia, demographic changes have seen the population of large cities move away from the inner city. This, combined with changes in healthcare delivery and the ageing of many tertiary teaching hospitals, has led governments to attempt to close, relocate or redefine the role of some institutions. Tracing the media coverage of two such events--the attempts to move St Vincent's hospitals in Sydney and Melbourne--provides some interesting insights into the challenges of resource allocation facing policymakers within the healthcare sector. Both hospitals were long-established, much-loved fixtures on inner-city sites with powerful connections to government and business. In Sydney, where the attempt was part of a larger plan to reallocate resources to the western suburbs, the announcement was met with 10 days of intense media coverage and scrutiny by lobby groups and the general public. By contrast, in Melbourne, no such announcement was made and the low-key reporting of support and opposition to the move occurred over two months. Both attempts failed. No matter how the debate is handled, radical changes involving long-established hospitals, powerful provider groups and loyal communities are very difficult to accomplish.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,472
Score d'incertitude au seuil0,938

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0400,013
Communication savante0,0100,004
Science ouverte0,0020,011
Intégrité de la recherche0,0060,011
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,036
Tête enseignante GPT0,366
Écart entre enseignants0,329 · 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
GenreCommentaire

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

En bref

Citations4
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Medical Journal of AustraliaMême sujetMigration, Aging, and Tourism StudiesTravaux en français237 207