MétaCan
Menu
Retour à la cohorte
Enregistrement W2869967414 · doi:10.3928/24748307-20180530-02

The Newest Vital Sign: Frequently Asked Questions

2018· article· en· W2869967414 sur OpenAlexaboutno aff
Barry D. Weiss

Notice bibliographique

RevueHLRP Health Literacy Research and Practice · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFrequently asked questionsSign (mathematics)PsychologyMedicineMedical educationMathematics

Résumé

récupéré en direct d'OpenAlex

The Newest Vital Sign (NVS) is one of the most widely used health literacy screening instruments (Shealy & Threatt, 2016; Weiss et al., 2005). The original version of the NVS was developed in English and Spanish and validated in the United States for identifying people with limited health literacy skills (Weiss et al., 2005). Since then, the NVS has been adapted and validated for use in other languages and countries, including the United Kingdom (Rowlands et al., 2013), the Netherlands (Fransen et al., 2014), Japan (Kogure et al., 2014), Italy (Capecchi, Guazzini, Lorini, Santomauro, & Bonaccorsi, 2015), Kuwait (Al-Abdulrazzaqa, Al-Haddadb, AbdulRasoula, Al-Basarib, & Al-Taiara, 2015), Brazil (Rodrigues, de Andrade, González, Birolim & Mesas, 2017), China (Xue et al., 2018), and Canada (Mansfield, Wahba, Gillis, & Weiss, 2018). It has also been adapted for administration in American Sign Language (McKee et al., 2015).

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)0,020
score de la tête « metaresearch » (Gemma)0,076
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
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 enseignants0,930
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0200,076
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0090,002
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,325
Tête enseignante GPT0,619
Écart entre enseignants0,294 · 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

Citations37
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHLRP Health Literacy Research and PracticeMême sujetSocial Media in Health EducationTravaux en français237 207