MétaCan
Menu
Retour à la cohorte
Enregistrement W2610726168 · doi:10.4103/ijem.ijem_52_17

Diabetes care: Inspiration from Sikhism

2017· review· en· W2610726168 sur OpenAlexaff
Sanjay Kalra, Gagan Priya, InderpreetKaur Dardi, Simarjeet S. Saini, Sameer Aggarwal, Ramanbir Singh, Harpreet Kaur, Gurinder Singh, Vipin Talwar, Parminder Singh, JS Saini, Sandeep Julka, Rajeev Chawla, Sarita Bajaj, Singh Devinder

Notice bibliographique

RevueIndian Journal of Endocrinology and Metabolism · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésSikhismRelevance (law)MedicineChristianityPolitical sciencePhilosophyReligious studies

Résumé

récupéré en direct d'OpenAlex

Religion has been proposed as a means of enhancing patient and community acceptance of diabetes and cultural specific motivational strategies to improve diabetes care. Sikhism is a young and vibrant religion, spread across the world and the Holy Scripture Sri Guru Granth Sahib (SGGS) is regarded as the living Guru by all Sikhs. The three key pillars of Sikhism are Kirat Karni (honest living), Vand Chakna (sharing with others) and Naam Japna (focus on God). They can help encourage the diabetes care provider, patient and community to engage in lifestyle modification, shared responsibility, positive thinking and stress management. The verses (Sabads) from the SGGS, with their timeless relevance, span the entire spectrum of diabetes care, from primordial and primary, to secondary and tertiary prevention. They can provide us with guidance towards a holistic approach towards health and lifestyle related diseases as diabetes. The SGGS suggests that good actions are based on one's body and highlights the relevance of mind-body interactions and entraining the mind to cultivate healthy living habits. The ethics of sharing, community and inclusiveness all lay emphasis on the need for global and unified efforts to manage and reduce the burden of the diabetes pandemic.

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)0,002
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,057
Tête enseignante GPT0,347
Écart entre enseignants0,290 · 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
GenreSynthèse

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndian Journal of Endocrinology and MetabolismMême sujetDiabetes Management and EducationTravaux en français237 207