MétaCan
Menu
Retour à la cohorte
Enregistrement W2766117827 · doi:10.3897/rio.3.e21700

Case Study: Neglected Health Issues in Niger

2017· article· en· W2766117827 sur OpenAlexfundaboutno aff
Cameron Neylon

Notice bibliographique

RevueResearch Ideas and Outcomes · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésDisadvantagedHealth careDecentralizationPolitical scienceHealth policyReproductive healthCorporate governanceNursingPublic relationsMedicineBusinessEnvironmental healthPopulation

Résumé

récupéré en direct d'OpenAlex

The project “Problemes négligés du système de santé au Niger” focusses on a core set of often-neglected issues that nevertheless have an overall negative impact on health system effectiveness in Niger. For example, poor quality maternal health services result from challenges related to the midwifery profession and from pressures from addressing the effects of illegal termination of pregnancy. Overall health system governance is undermined by weak management of human resources and health information systems as well as problems related to decentralisation of health care provision and dependence on external funding for health projects. LASDEL applies a rapid assessment and qualitative research approach to working with patients and health care professionals to identify the scale and characteristics of these problems. The project goal is to develop an evidence base to support tackling these neglected issues. Développer des recherches sur les « problèmes négligés » dans la gouvernance de la santé, et sur cette base contribuer à des réformes des systèmes de santé permettant une meilleure qualité des soins pour les populations vulnérables. "Develop research on "neglected problems" in the provision of health systems, and through this work, contribute to health system reforms, that provide better quality of care for vulnerable populations." As can be seen above, many of these issues relate to reproductive health and more generally to health issues of disadvantaged groups. Some issues are neglected for political or social reasons meaning that they are not recognised or acknowledged and in some cases are criminalised. Therefore there are profound issues of participant privacy, protection and even safety for this project. Data sharing therefore requires thoughtful anonymisation and selection. The project group is Francophone with limited English language knowledge and the researchers and the context is largely in French. In common with much of Francophone Africa there has been limited development of Open Access to research outputs or Open Research Data agendas at governmental or funder levels. Outside of Canada and France there has been limited development of infrastructure, systems or policy relating to data sharing in the global francophonie specifically.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0170,005
Communication savante0,0030,002
Science ouverte0,0020,005
Intégrité de la recherche0,0060,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,121
Tête enseignante GPT0,512
Écart entre enseignants0,390 · 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'étudeÉtude de cas
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

Citations1
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch Ideas and OutcomesMême sujetGlobal Maternal and Child HealthTravaux en français237 207