Managing Chronic Diseases in the Dominican Republic
Notice bibliographique
Résumé
Chronic conditions and diseases, such as heart disease, stroke, and cancer significantly influence health status around the world.1 By 2020, an estimated 75% of deaths will be caused by chronic diseases, with an estimated 80% of these deaths occurring in low to middle-income countries (LMICs).1,2 Furthermore, problems with chronic disease are exacerbated by socioeconomic and geopolitical factors.3 An example of an LMIC burdened with chronic diseases is the Dominican Republic (DR), where non-communicable diseases account for about 70% of deaths each year.4 The DR is located on the island of Hispaniola, which is shared with Haiti. Despite their geographical proximity, the two countries are vastly different with regards to development, with the DR placing over 50 countries above Haiti on the United Nations (UN) Human Development Index.5 This disparity leads to the migration of many Haitian workers to the DR. A large portion of the Haitian migrants work in the sugar industry as laborers. In fact, approximately 85% of sugarcane workers in the DR are from Haiti.6 The sugarcane workers are primarily housed in batey communities. A batey is an underdeveloped village located near sugar cane fields, built by large multi-national sugar production companies. These villages are severely underfunded, which gives rise to a variety of health and quality of life issues. Common conditions found among batey inhabitants include gastroesophageal reflux disease, hypertension, and upper respiratory infections.7 Given that many Haitian residents are paid extremely low wages and have limited access to many social services, the burden of these health problems is amplified greatly. There have been many attempts to address these problems by both local and foreign aid teams. However, many factors complicate the provision of chronic disease management, such as care aversive behavior and difficulties with achieving continuity of care.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».