MétaCan
Menu
Retour à la cohorte
Enregistrement W2955881763 · doi:10.1097/mph.0000000000001524

Syrian Refugees and Their Impact on Health Service Delivery in the Pediatric Hematology/Oncology Clinics Across Canada

2019· article· en· W2955881763 sur OpenAlexaffabout
Rachid Barry, Christine Chretien, Melanie Kirby, Gloria Gallant, Sarah Leppington, Nancy Robitaille, Catherine Corriveau‐Bourque, Jayson Stoffman, John K. Wu, Michael Leaker, Robert J. Klaassen

Notice bibliographique

RevueJournal of Pediatric Hematology/Oncology · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensAlberta Children's HospitalBC Children's HospitalChildren's Hospital Research Institute of ManitobaCentre Hospitalier Universitaire Sainte-JustineLondon Health Sciences CentreIzaak Walton Killam Health CentreStollery Children's HospitalHospital for Sick ChildrenChildren's Hospital of Eastern Ontario
Organismes subventionnairesnon disponible
Mots-clésMedicineWorkloadRefugeeSyrian refugeesHematologyFamily medicineImmigrationHealth carePopulationInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

This study examined the impact of Syrian refugees on 1 area of the Canadian health care sector. We predicted that pediatric hematology clinics across Canada would see a spike in their Syrian refugee patient population in proportion to their recent migration and, as a result, an increase in perceived workload. Data on the number of refugee patients, types of diseases, and perceived workload were gathered from hematology clinics across Canada using a clinical survey (Supplemental Digital Content 1, http://links.lww.com/JPHO/A315). The results showed that Ontario had the most Syrian refugee patients, followed by the Quebec, Western Canadian, and Atlantic regions. The results also showed that perceived workload ranged from "no increase" (4 programs) to "minimal increase" <25% (1 program), "moderate increase" 25% to 75% (4 programs), and "significant increase" >75% (3 programs, 2 of which had no transfusion-dependent thalassemia patients before the immigration).

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)0,003
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 enseignants0,040
Score d'incertitude au seuil0,190

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0060,002
Communication savante0,0020,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,024
Tête enseignante GPT0,388
Écart entre enseignants0,365 · 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

Citations8
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Pediatric Hematology/OncologyMême sujetMigration, Health and TraumaTravaux en français237 207