MétaCan
Menu
Retour à la cohorte
Enregistrement W26861752 · doi:10.1016/j.ypmed.2016.02.008

Dari tekstual ke audiovisual: Transformasi La Galigo

2010· article· en· W26861752 sur OpenAlexfundaboutno aff
Roger Tol

Notice bibliographique

RevuePreventive Medicine · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMedia, Gender, and Advertising
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésGeography

Résumé

récupéré en direct d'OpenAlex

Objective . Aboriginal people in Canada are at higher risk to heavy alcohol consumption than are other Canadians. The objective of this study was to examine a set of culturally specific correlates of heavy drinking among First Nations and Métis youth and adults. Methods . Demographic, geographic, socioeconomic and health-related variables were also considered. Data were used from Statistics Canada's 2012 Aboriginal Peoples Survey to predict heavy drinking among 14,410 First Nations and Métis 15years of age and older. Separate sets of binary sequential logistic regression models were estimated for youth and adults. Results . Among youth, those who had hunted, fished or trapped within the last year were more likely to be heavy drinkers. In addition, current smokers and those who most frequently participated in sports were at higher odds of heavy alcohol consumption. Among adults, respondents who had hunted, fished or trapped within the last year were more likely to drink heavily. On the other hand, those who had made traditional arts or crafts within the last year were less likely to drink heavily. Conclusions . Men, younger adults, smokers, those who were unmarried, those who had higher household incomes, and those who had higher ratings of self-perceived health were more likely to be heavy drinkers. Efforts aimed at reducing the prevalence of heavy drinking among this population may benefit from considering culturally specific factors, in addition to demographic variables and co-occurring health-risk behaviors.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,909
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,025
Tête enseignante GPT0,379
Écart entre enseignants0,354 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations0
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePreventive MedicineMême sujetMedia, Gender, and AdvertisingTravaux en français237 207