MétaCan
Menu
Retour à la cohorte
Enregistrement W2982629614 · doi:10.3390/ijerph16214229

Fetal Alcohol Spectrum Disorder: What does Public Awareness Tell Us about Prevention Programming?

2019· article· en· W2982629614 sur OpenAlexafffundabout
Peter Choate, Dorothy Badry, Bruce MacLaurin, Kehinde Ariyo, Dorsa Sobhani

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2019
Typearticle
Langueen
DomaineMedicine
ThématiquePrenatal Substance Exposure Effects
Établissements canadiensUniversity of CalgaryUniversity of TorontoMount Royal University
Organismes subventionnairesPolicyWise for Children and Families
Mots-clésSpouseHarmAbstinencePublic healthPregnancyMedicinePsychologyPsychiatryNursingPolitical scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

The prevalence of Fetal Alcohol Spectrum Disorder (FASD) does not appear to be diminishing over time. Indeed, recent data suggests that the disorder may be more prevalent than previously thought. A variety of public education programs developed over the last 20 years have promoted alcohol abstention during pregnancy, yet FASD remains a serious public health concern. This paper reports on a secondary data analysis of public awareness in one Canadian province looking at possible creative pathways to consider for future prevention efforts. The data indicates that the focus on women of childbearing age continues to make sense. The data also suggests that targeting formal (health care providers for examples) and informal support (partner, spouse, family, and friends) might also be valuable. They are seen as sources of encouragement, so ensuring they understand the risks, as well as effective ways to encourage abstinence or harm reduction, may be beneficial for both the woman and the pregnancy. Educating people who might support a woman in pregnancy may be as important as programs targeted towards women who may become or are pregnant. The data also suggests that there is already a significant level of awareness of FASD, thus highlighting the need to explore the effectiveness and value of current prevention approaches.

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)0,003
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 enseignants0,391
Score d'incertitude au seuil0,704

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,038
Tête enseignante GPT0,371
Écart entre enseignants0,333 · 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

Citations14
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetPrenatal Substance Exposure EffectsTravaux en français237 207