MétaCan
Menu
Retour à la cohorte
Enregistrement W3096525260 · doi:10.2196/25076

Population Size Estimation Methods: Searching for the Holy Grail

2020· editorial· en· W3096525260 sur OpenAlexvenueno aff
Joyce J Neal, Dimitri Prybylski, Travis Sanchez, Wolfgang Hladik

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2020
Typeeditorial
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensnon disponible
Organismes subventionnairesCenters for Disease Control and PreventionU.S. President’s Emergency Plan for AIDS Relief
Mots-clésEstimationPublic healthComputer sciencePopulationData collectionMen who have sex with menPopulation sizeHuman immunodeficiency virus (HIV)Holy GrailTransgenderSmall area estimationData scienceMedicineEnvironmental healthStatisticsPsychologyEngineeringWorld Wide WebFamily medicineMathematics

Résumé

récupéré en direct d'OpenAlex

Accurate size estimates of key populations (eg, sex workers, people who inject drugs, transgender people, and men who have sex with men) can help to ensure adequate availability of services to prevent or treat HIV infection; inform HIV response planning, target setting, and resource allocation; and provide data for monitoring and evaluating program outcomes and impact. A gold standard method for population size estimation does not exist, but quality of estimates could be improved by using empirical methods, multiple data sources, and sound statistical concepts. To highlight such methods, a special collection of papers in JMIR Public Health and Surveillance has been released under the title "Key Population Size Estimations." We provide a summary of these papers to highlight advances in the use of empirical methods and call attention to persistent gaps in information.

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)0,006
score de la tête « metaresearch » (Gemma)0,031
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,316
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,031
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,083
Tête enseignante GPT0,455
Écart entre enseignants0,372 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations23
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetHIV, Drug Use, Sexual RiskTravaux en français237 207