MétaCan
Menu
Retour à la cohorte
Enregistrement W2808993753 · doi:10.2196/ijmr.9369

Health Information on Firefighter Websites: Structured Analysis

2018· article· en· W2808993753 sur OpenAlexaffvenueabout
Mostin Hu, Joy C. MacDermid, Shannon Killip, Margaret Lomotan

Notice bibliographique

RevueInteractive Journal of Medical Research · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Performance
Établissements canadiensHand and Upper Limb ClinicWestern UniversitySt. Joseph's HospitalMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMental healthWork (physics)Descriptive statisticsThe InternetBusinessResource (disambiguation)Occupational safety and healthHealth informationOnline searchEnvironmental healthMedicineGeographyPsychologyPolitical scienceHealth careWorld Wide WebComputer scienceEngineeringPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Owing to the fact that firefighters have unique health risks, access to firefighter-specific internet-based health information is a potential mechanism for achieving better health and work outcomes. OBJECTIVE: The objective of our study was to identify the amount and nature of health information resources available on Canadian firefighter-specific websites and the extent to which resources are consistent across websites as a surrogate indicator of diffusion of information. METHODS: A search of health resources on firefighter websites (union and employer) for all Canadian provinces, major cities and a subset of smaller cities, and the International Association of Fire Fighters (IAFF) website was conducted on Google (July 2017). Content was identified and classified based on the type of resource, health focus, and location. The quantity and nature of the resources were summarized using descriptive statistics. RESULTS: Among all (N=313) websites reviewed, 41 websites had health information with a cumulative total of 128 resources that addressed firefighter mental (59/128, 46.1%), physical (43/128, 33.6%), and work health (26/128, 20.3%). The highest density of information was found on international and national websites (13 resources per website) and the least on local websites (1 resource per 7 websites). Three provinces (Ontario, Québec, and British Columbia) hosted 81% (65/80) of the provincial, territorial and local resources. General mental health (20/59, 34%), posttraumatic stress disorder (14/59, 24%), and suicide (14/59, 24%) were the most prevalent topics within the mental health resources, whereas half (21/43, 49%) of all physical health resources were on cancer. No resources from Northern Canada were found. Musculoskeletal health was not mentioned in any of the resources identified. There was minimal cross-linking of resources across sites (only 4 resources were duplicated across sites), and there was no clear indication of how the content was vetted or evaluated for quality. CONCLUSIONS: There was wide variation in the amount and type of information available on different firefighter websites with limited diffusion of information across jurisdictions. Quality evaluation and coordination of resources should be considered to enhance firefighters' access to quality health information to meet their specific needs. Mental health and cancer information aligned with high rates of these health problems in firefighters, whereas the lack of information on musculoskeletal health was discordant with their high rate of work injury claims for these problems.

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)0,006
score de la tête « metaresearch » (Gemma)0,031
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 enseignants0,094
Score d'incertitude au seuil0,188

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,031
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0160,017
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
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 Opus0,140
Tête enseignante GPT0,620
Écart entre enseignants0,481 · 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

Citations6
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInteractive Journal of Medical ResearchMême sujetOccupational Health and PerformanceTravaux en français237 207