MétaCan
Menu
Retour à la cohorte
Enregistrement W2887812552 · doi:10.1111/1753-6405.12816

Ecosystem‐based translation of health research: expanding frameworks for environmental health

2018· article· en· W2887812552 sur OpenAlexaboutno aff
R. A. McFarlane, Colin D. Butler, Simone Maynard, Steve Cork, Philip Weinstein

Notice bibliographique

RevueAustralian and New Zealand Journal of Public Health · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueZoonotic diseases and public health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEcosystemEcosystem healthEcosystem servicesEnvironmental resource managementEnvironmental planningEnvironmental scienceEnvironmental healthGeographyEcologyMedicineBiology

Résumé

récupéré en direct d'OpenAlex

Increasing concern for the consequences of global ecological change (GEC) has seen sustainable ecological development emerge as a human health priority.1,2 Policy frameworks are in place to protect the health-nurturing properties of the natural environment and to limit the health harms of development. Landmark events such as the Ottawa Charter (1986), United Nation’s (UN) Conference on Environment and Development (1992), the Convention of Biodiversity (1992), UN Framework Convention on Climate Change (1992), the Millennium Development Goals (2000), the Millennium Ecosystem Assessment (2005), and now the UN Sustainable Development Goals (SDG) 2015–2030 have had significant impact on domestic policy, including within Australia. There are concurrent calls for biodiversity conservation to be mainstreamed (e.g. Australia’s Biodiversity Conservation Strategy 2010–2030) and for strategic consideration of the World Health Organization’s Health in All Policies (2013), in addition to SDG and carbon emission reduction goals that exist and provide frameworks within which such aspirations may be met.

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)0,172
score de la tête « metaresearch » (Gemma)0,173
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,172
Score d'incertitude au seuil0,912

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1720,173
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0100,006
Études des sciences et des technologies0,0040,041
Communication savante0,0160,026
Science ouverte0,0060,027
Intégrité de la recherche0,0140,017
Charge utile insuffisante (le modèle a refusé de juger)0,0280,004

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 GPT0,446
Écart entre enseignants0,121 · 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'étudeThéorique ou conceptuel
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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian and New Zealand Journal of Public HealthMême sujetZoonotic diseases and public healthTravaux en français237 207