Valider un indice de défavorisation en santé publique : un exercice complexe, illustré par l'indice québécois
Notice bibliographique
Résumé
<sec> <title>Introduction</title> Malgré l'usage répandu d'indices de défavorisation en santé publique, leur validation est rarement abordée de manière explicite ou élaborée, car il s'agit là d'un exercice complexe. </sec> <sec> <title>Méthodologie</title> En nous fondant sur les propositions de chercheurs britanniques, nous avons cherché à valider l'indice québécois de défavorisation matérielle et sociale en utilisant des critères de validité (validité de contenu, validité sur critère et validité de construit), de fiabilité, de sensibilité et d'autres propriétés pertinentes en santé publique (intelligibilité, objectivité et praticabilité). </sec> <sec> <title>Résultats</title> Nous avons passé en revue la littérature internationale sur les indices de défavorisation ainsi que les publications et les utilisations de l'indice québécois et nous avons ajouté des données factuelles. </sec> <sec> <title>Conclusion</title> Après examen, il appert que l'indice québécois répond favorablement aux critères et propriétés de validation proposés. Des validations additionnelles s'imposent toutefois afin de mieux cerner les facteurs contextuels associés à cet indice. </sec>
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 tête enseignante, 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 ».