MétaCan
Menu
Retour à la cohorte
Enregistrement W3047279631 · doi:10.1109/icalt49669.2020.00049

Analytics-oriented Preventive Care for Communicable Disease

2020· article· en· W3047279631 sur OpenAlexaffabout
Liliana Quyen Tang, Rafael Pinto, Vive Kumar

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésSyphilisCommunicable diseaseAnalyticsGovernment (linguistics)DiseaseComputer sciencePredictive analyticsMedicineEpidemiologyEpidemiological surveillanceInfectious disease (medical specialty)OutbreakEnvironmental healthData scienceInternet privacyComputer securityPublic healthImmunologyVirologyHuman immunodeficiency virus (HIV)Nursing

Résumé

récupéré en direct d'OpenAlex

Today, most sexually transmitted infections (STIs) can be cured. However, stigma around STIs - especially fears over negative social attitudes - prevents many people from getting tested or notifying their sexual partners that they are infected. The Government of Alberta invests considerable resources on strategies to improve the health of Albertans. However, the massive outbreak of epidemics like syphilis indicate there are huge gaps in the current approach. This paper proposes the development of a centralized information system to correlate the areas of edu-communication and epidemiology as well as employs techniques in predictive analytics to explore the correlation between certain risk factors and the change in the number of infectious syphilis cases in the province of Alberta. The performance of the resultant models provides a proof-of-concept for the preventive strategies proposed in the paper.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,548
Score d'incertitude au seuil0,440

Scores Codex et Gemma par catégorie

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

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 Opus0,027
Tête enseignante GPT0,307
Écart entre enseignants0,279 · 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'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

Citations1
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetData-Driven Disease SurveillanceTravaux en français237 207