MétaCan
Menu
Retour à la cohorte
Enregistrement W2807281535 · doi:10.13109/kont.2018.49.2.137

Netzwerkanalyse zur Integration von geflüchteten Schwangeren in das Gesundheitssystem in Köln

2018· article· de· W2807281535 sur OpenAlexaff
Angela Rocholl, Christiane Klekamp

Notice bibliographique

RevueKontext · 2018
Typearticle
Languede
DomaineHealth Professions
ThématiqueHealth and Medical Studies
Établissements canadiensOkanagan College
Organismes subventionnairesnon disponible
Mots-clésPsychology

Résumé

récupéré en direct d'OpenAlex

Summary Network analysis concerning the integration of pregnant refugee women in the health care system of Cologne The city of Cologne registered more than 13,000 refugees in 2016, among them many women who were already pregnant at the time of their arrival or who got pregnant in Germany. This imposes continuous challenges on the German health care system. In a state analysis, the health care situation, means for integration and cooperation between actors within the health care and social welfare systems were explored. The results of guideline-based expert interviews with representatives, involved in the care of pregnant refugees, show a detailed picture of the situation, where the home manager of refugee accommodations takes a central position. Forming inter-professional and multi-professional teams in refugee accommodations is important to accompany and support the home managers in their duties. One obstacle restraining the integration of pregnant refuges is the lack of translation services and involvement in social structures. Communication problems between the different system levels prevent full inclusion and cooperation between all actors involved. Many concepts constructed are not based on the women’s needs and therefore cannot be sufficiently coordinated. The adaptation of these concepts to support the integration of female refugees needs to be optimized through the participation of all system levels, as well as the incorporation of already proven concepts.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,397
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,009

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 Opus0,102
Tête enseignante GPT0,465
Écart entre enseignants0,363 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKontextMême sujetHealth and Medical StudiesTravaux en français237 207