MétaCan
Menu
← Retour à la cohorte
Enregistrement W2411103437

Rural health care and the nurse anesthetist.

2000· article· en· W2411103437 sur OpenAlexaboutno aff

Notice bibliographique

RevuePubMed · 2000
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNurse anesthetistMedicineRural areaHealth carePopulationQuarter (Canadian coin)Metropolitan areaMortality rateFamily medicineNursingMedical emergencyEnvironmental healthEconomic growthGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

As they work in all types of practice arrangements and settings with and without anesthesiologists, certified registered nurse anesthetists have been and continue to be the principle anesthesia providers in rural hospitals in the United States. As such, they are responsible for providing anesthesia services to about 1 quarter of the US population that resides in rural and frontier areas of this country. Rural health care is characterized by its necessity to provide a broad array of services with lesser resources than are typically available in metropolitan or urban areas. The rural population is characterized as having a higher proportion of elderly people and children under the age of 18, a higher incidence of chronic diseases, a lower mortality rate (albeit a slightly higher infant mortality rate), and a 40% higher mortality rate resulting from accidents. Rural residents are poorer and less likely to have job-related health insurance benefits or Medicare supplemental insurance. Despite the significant rise in the number of anesthesiologists in the past 10 to 15 years, there is no evidence that they are attracted to practice in these areas. As sole anesthesia providers in many of these rural hospitals, rural CRNAs have both common and unique problems and issues that confront them. However, from available reports, their communities are satisfied with their services, providing evidence of the capability of CRNAs to function satisfactorily without the anesthesiologist.

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)0,003
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0220,002

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 Opus0,019
Tête enseignante GPT0,358
Écart entre enseignants0,338 · 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
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

Citations6
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMed→Même sujetGlobal Health Workforce Issues→Travaux en français237 207→