International Observer
Notice bibliographique
Résumé
Mainous and his colleagues have addressed an important and emerging global health concern: using generalized ethnic minority comparisons with the majority populations for public health interventions.The investigators looked at aggregate and individual groups within the South Asian population and show that when viewed separately, individual ethnic groups within these populations reflect distinctly different rates of diagnosed diabetes and hypertension as well as elevated blood glucose and blood pressure.Investigators have seen similar results in a wide range of disease conditions in the U.S., particularly among the broadly defined group of Hispanic immigrants vs. the individual ethnic populations within this group.Too often we use broadly defined categories and think that we have developed an appropriate intervention.We need to peel away the layers and look for distinct differences within ethnic groups, as these researchers have done.According to the World Migration Report 2005, released by the International Organization for Migration (IOM), immigrants account for almost 3% of the world population.They are concentrated, for the most part, in the United States, Canada, New Zealand, the United Kingdom, and Germany.For most of these receiving countries, the appropriate English language interventions, as described in this paper, are clearly relevant concerns.With an increase in globalization and immigration, whether for political or employment reasons, health care providers and the health care infrastructure must prepare for appropriate interventions and take note of the differences within ethnic groups.Language, cultural differences, and the age of the population all play significant roles.Care must be taken not to exclude particular groups or allow these groups to fall through the cracks.This paper reminds all of us of the dangers of making generalizations when developing public health programs that assist the evergrowing minority populations in many developed countries.
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 | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,015 | 0,010 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,225 | 0,167 |
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 ».