MétaCan
Menu
Retour à la cohorte
Enregistrement W2944261059 · doi:10.1017/s1049023x19002759

Environmental Factors at Mass-Gathering Events: Considerations for Health Research and Evaluation

2019· article· en· W2944261059 sur OpenAlexaff
Alison Hutton, Jamie Ranse, Adam Lund, Sheila A. Turris, Brendan Munn, Katy Gray

Notice bibliographique

RevuePrehospital and Disaster Medicine · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueTravel-related health issues
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMass gatheringData collectionAttendanceEvent (particle physics)Computer scienceVariablesSet (abstract data type)Environmental scienceEnvironmental resource managementStatisticsMedicineMathematicsMachine learning

Résumé

récupéré en direct d'OpenAlex

Introduction: This poster will document the environmental domain variables of a mass gathering. They include factors such as the nature of the event, availability of drugs or alcohol, venue characteristics and meteorological factors. Method: A systematic literature was used to develop a set of variables and evaluation regarding environmental factors that contribute to patient presentation rates. Results: Findings were grouped pragmatically into factors of crowd attendance, crowd density, venue, type of event, mobility, and meteorological factors. Discussion: This poster will outline a set of environmental variables for collecting data at mass gathering events. The authors have suggested that in addition to commonly used variables, air quality, wind speed, dew point, and precipitation could be considered as a data points to be added to the minimum standards for data collection.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,054
Score d'incertitude au seuil0,580

Scores Codex et Gemma par catégorie

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

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 Opus0,142
Tête enseignante GPT0,412
Écart entre enseignants0,270 · 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.

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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePrehospital and Disaster MedicineMême sujetTravel-related health issuesTravaux en français237 207