MétaCan
Menu
Retour à la cohorte
Enregistrement W2999090100 · doi:10.29173/hsi150

Closing the health gap among Canadians: Using Co-Active Life Coaching to address the challenges to primary healthcare

2019· article· en· W2999090100 sur OpenAlexvenueno aff
Rebecca Liu

Notice bibliographique

RevueHealth Science Inquiry · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAdolescent and Pediatric Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClosing (real estate)CoachingPrimary carePrimary health careHealth careHealth coachingBusinessMedicinePsychologyFamily medicineEconomic growthEconomicsFinance

Résumé

récupéré en direct d'OpenAlex

Several studies have reported the burden of obesity and cardiometabolic risk to be disproportionately greater among ethnic minorities in comparison to those of European-descent.1,2 Generally, the 'healthy immigrant effect' is proposed as the reason for this disparity, in which new immigrants start to lose their health advantage when they start to adopt the physical, social and cultural environment of their newly adopted country. 1 However, evidence suggests that aboriginal populations also experience poorer obesity-related health outcomes relative to the entire Canadian population, 3 which suggests that this health inconsistency may not be exclusive to immigrant populations.Additionally, this may reflect a deeper issue of accessibility and utilization of primary care services among Canada's diverse population.The following paper will explore the barriers to healthcare access and utilization, specifically primary care among ethnic minorities.In addition, this paper aims to highlight a potential health behaviour intervention, known as Co-Active Life Coaching (CALC), which may serve as a means to manage obesity and cardiometabolic risk and ultimately, alleviate the high demand for primary care.

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)0,005
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,358

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0200,003
Communication savante0,0060,003
Science ouverte0,0030,006
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,331
Tête enseignante GPT0,499
Écart entre enseignants0,168 · 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'étudeSans objet
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

Citations0
Publié2019
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueHealth Science InquiryMême sujetAdolescent and Pediatric HealthcareTravaux en français237 207