MétaCan
Menu
Retour à la cohorte
Enregistrement W2890558282 · doi:10.25316/ir-271

The rising tide : the increase in elderly population, disasters and type 2 diabetes

2017· article· en· W2890558282 sur OpenAlexaboutno aff
Alexandra Carruthers

Notice bibliographique

RevueVIURRSpace (Vancouver Island University) · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Public Health Policies and Epidemiology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésType 2 diabetesPopulationDiabetes mellitusMedicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

The recent statistical data reveal that there are considerable changes in the growing elderly population, the rise in natural disasters, and the increased prevalence of Type 2 diabetes (T2DM). These trends are occurring globally that draw attention to the importance of recognizing this population’s specific needs in the event of a disaster. Although Canada has suffered relatively few natural disasters, the occurrence of natural disaster worldwide is on the rise. Using a qualitative general research methodology, interviews were conducted with individuals over the age of 60 living with T2DM. The aim was to explore the participant’s knowledge of chronic disease management and assess their ability to manage their disease during a disaster. A literature review identified gaps in knowledge in the management of chronic diseases during a disaster. The theory of vulnerability is used to explain that elderly people living with T2DM are at an increased risk of harm if a disaster was to occur. This study found that identifying and understanding the specific needs of this population is important in the development of disaster planning for emergency managers and first responders. Keywords: elderly, disasters, chronic disease, Type 2 diabetes, vulnerability

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,943
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,014
Tête enseignante GPT0,235
Écart entre enseignants0,221 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVIURRSpace (Vancouver Island University)Même sujetGlobal Public Health Policies and EpidemiologyTravaux en français237 207