MétaCan
Menu
Retour à la cohorte
Enregistrement W2898330757 · doi:10.2105/ajph.2018.304700

Shade as an Environmental Design Tool for Skin Cancer Prevention

2018· review· en· W2898330757 sur OpenAlexfundno aff
Dawn M. Holman, George Thomas Kapelos, Meredith L. Shoemaker, Meg Watson

Notice bibliographique

RevueAmerican Journal of Public Health · 2018
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensnon disponible
Organismes subventionnairesCancer Council VictoriaFaculty of Engineering and Architectural Science, Ryerson UniversityOak Ridge Institute for Science and EducationCenters for Disease Control and PreventionColorado Department of Public Health and EnvironmentWorld Health OrganizationU.S. Department of Energy
Mots-clésContext (archaeology)AuditArchitectural engineeringWork (physics)Environmental planningBusinessEnvironmental healthGeographyMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

Little work has been done to explore the use of shade for skin cancer prevention in the context of the built environment. In an effort to address this gap and draw attention to the intersection between architectural and public health practice, we reviewed research on shade design, use, and policies published from January 1, 1996, through December 31, 2017. Our findings indicate that various features influence the sun-protective effects of shade, including the materials, size, shape, and position of the shade structure; the characteristics of the surrounding area; and weather conditions. Limited research suggests that shade provision in outdoor spaces may increase shade use. Shade audit and design tools are available to inform shade planning efforts. Shade policies to date have mostly been setting specific, and information on the implementation and effects of such policies is limited. Integrating shade planning into community design, planning, and architecture may have a substantial impact and will require a multidisciplinary approach.

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)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,114
Tête enseignante GPT0,400
Écart entre enseignants0,287 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Public HealthMême sujetUrban Green Space and HealthTravaux en français237 207