MétaCan
Menu
Retour à la cohorte
Enregistrement W3016254328 · doi:10.2196/18980

Global Preparedness Against COVID-19: We Must Leverage the Power of Digital Health

2020· article· en· W3016254328 sur OpenAlexvenueno aff
Sultan Mahmood, Khaled Hasan, Michelle Colder Carras, Alain Labrique

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPublic healthPreparednessLeverage (statistics)PandemicPsychological interventionBusinessEmpowermentDigital healthPublic health surveillancePublic relationsCoronavirus disease 2019 (COVID-19)MedicineEnvironmental healthHealth carePolitical scienceEconomic growthInfectious disease (medical specialty)DiseaseComputer scienceNursingEconomics

Résumé

récupéré en direct d'OpenAlex

The coronavirus disease (COVID-19) pandemic has revealed many areas of public health preparedness that are lacking, especially in lower- and middle-income countries. Digital interventions provide many opportunities for strengthening health systems and could be vital resources in the current public health emergency. We provide several use cases for infection control, home-based diagnosis and screening, empowerment through information, public health surveillance and epidemiology, and leveraging crowd-sourced data. A thoughtful, concerted effort-leveraging existing experience and robust enterprise-grade technologies-can have a substantive impact on the immediate and distal consequences of COVID-19.

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)0,025
score de la tête « metaresearch » (Gemma)0,073
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: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,134

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,073
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0040,005
Communication savante0,0160,023
Science ouverte0,0020,015
Intégrité de la recherche0,0060,011
Charge utile insuffisante (le modèle a refusé de juger)0,0330,005

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 Opus0,234
Tête enseignante GPT0,432
Écart entre enseignants0,198 · 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
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations214
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetCOVID-19 epidemiological studiesTravaux en français237 207