CIHR Candrive Cohort Comparison with Canadian Household Population Holding Valid Driver’s Licenses
Notice bibliographique
Résumé
RÉSUMÉ Nous avons examiné si l’échantillonnage de commodité est une méthode appropriée pour recruter un échantillon de conducteurs âgés représentatif de la population des conducteurs canadiens âgés. En utilisant des tests d’équivalence, nous avons comparé un grand échantillon de commodité de conducteurs âgés (de la cohorte Candrive II) à une population de conducteurs canadiens d’âges similaires. L’échantillon Candrive est constitué de 928 conducteurs âgés habitant dans l’une de sept régions métropolitaines du Canada. Les données démographiques relatives à la population canadienne ont été obtenues à partir de l’Enquête sur la santé dans les collectivités canadiennes – Vieillissement en santé (ESCC-VS), basé sur un échantillon représentatif de Canadiens âgés. Les données pour les conducteurs âgés de 70 ans et plus ont été extraites de la base de données de l’ESCC-VS, pour un total de 3,899 conducteurs canadiens âgés. Les deux échantillons que nous avons comparés se sont avérés équivalents en ce qui a trait aux variables socio-démographiques, relatives à la santé et à la conduite à l’exception de la fréquence d’utilisation de la voiture. Nous concluons qu’en dépit de quelques différences, l’échantillonnage de commodité utilisé dans l’étude Candrive a créé un échantillon suffisamment représentatif des conducteurs âgés au Canada.
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 | 0,008 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».