MétaCan
Menu
Retour à la cohorte
Enregistrement W2622657349 · doi:10.1071/py16138

The health and health preparation of long-term Australian travellers

2017· article· en· W2622657349 sur OpenAlexaffabout
Elizabeth Halcomb, Moira Stephens, Elizabeth Smyth, Shahla Meedya, Sarah Tillott

Notice bibliographique

RevueAustralian Journal of Primary Health · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueTravel-related health issues
Établissements canadiensBC Research (Canada)
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)Population healthMedicineHealth economicsHealth careCommunity healthPublic healthEnvironmental healthHealth servicesHealth policyHealth promotionGerontologyNursingPopulationGeographyEconomic growth

Résumé

récupéré en direct d'OpenAlex

A growing number of Australians are travelling domestically for extended periods. This creates challenges in both continuity of health care and burdens on health services. This paper reports a cross-sectional survey aimed to explore the health needs and health planning of long-term travellers. In total, 316 respondents who had travelled for more than 3 months consecutively in the last year participated. Most respondents were retired (n=197; 62.3%); however, ages ranged from 26 to 89 years. Nearly half of the respondents or their travel companion had a long-term illness that affected their daily life (n=135; 42.7%). Nearly half of respondents visited a GP (n=133; 42.1%), nearly one-quarter visited an Emergency Department (n=72; 22.8%) and 19.9% (n=63) visited another health provider while travelling. The level of preparation around health while travelling varied between participants. This study highlights that long-term travellers have significant health needs and are likely to require health services during their extended travel. Additionally, it identifies that currently few strategies are used to plan for health care during travel. This raises issues for rural and remote health services in terms of both capacity and 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 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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,100
Tête enseignante GPT0,430
Écart entre enseignants0,330 · 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'étudeObservationnel
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

Citations58
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAustralian Journal of Primary HealthMême sujetTravel-related health issuesTravaux en français237 207