Conference report: Weapons in any context bad for people's health, MDs told
Notice bibliographique
Résumé
In early May, as a million soldiers massed in another tense standoff on the India–Pakistan border, 100 doctors from around the globe assembled in Montreal to examine the role public health can play in preventing war-related injuries. The 2-day meeting, organized by the Centers for Disease Control and Prevention, International Physicians for the Prevention of Nuclear War and the World Health Organization, preceded the World Conference on Injury Prevention. The discussions, which covered everything from access to small arms to sexual violence, seemed to come at an opportune time. Not only had violent incidents against civilians escalated dramatically in conflict areas like Sierra Leone and Israel, but death and injury rates due to gunfire were also common in industrialized, high-income countries that are supposedly at peace. This means that Canadian physicians can ill afford to ignore the message that weapons in any context are bad for people's health, doctors were told. Wendy Cukier, a professor of justice studies at Toronto's Ryerson University, said Canada ranked fifth in terms of firearm-related deaths among children in a survey involving 26 industrialized countries. Guns are readily available in about 20% of Canadian households, and about 1000 Canadians are killed with firearms every year. Cukier said the number of children under age 15 killed by guns in Alberta each year is as high as the figure for Israel and Northern Ireland combined. “Mortality rates in places that are supposedly at peace are as high as in countries at war,” Cukier told CMAJ. — Susan Pinker, Montreal l
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,014 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,038 | 0,017 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».