MétaCan
Menu
Retour à la cohorte
Enregistrement W3109303019 · doi:10.5430/jnep.v11n3p47

Prevention measures against COVID-19 performed by people with diabetes mellitus

2020· article· en· W3109303019 sur OpenAlexvenueno aff
Shérida Karanini Paz de Oliveira, Amelina de Brito Belchior, Rhanna Emanuela Fontenele de Lima Carvalho, Natércia Brígido Linhares Fernandes, Rebeca Furtado Fernandes, Natasha Albuquerque Vasconcelos, Patrícia Freire de Vasconcelos

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueHealthcare during COVID-19 Pandemic
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDiabetes mellitusGlycated hemoglobinMedicineCoronavirus disease 2019 (COVID-19)Environmental healthHand washingType 2 diabetesSocial distanceDescriptive statisticsHygieneDiabetes managementGerontologyFamily medicineInternal medicineDiseaseInfectious disease (medical specialty)Endocrinology

Résumé

récupéré en direct d'OpenAlex

In the absence of treatment and vaccine against coronavirus, preventive measures must be adopted, especially by people with diabetes. The objective was to identify the preventive measures against the new coronavirus carried out by people with diabetes. This is a cross-sectional study carried out with 214 people with diabetes through a questionnaire provided by a Google forms link in June 2020. We used descriptive statistics and the Spearman test to compare means. Most participants were female (85.9%), young adults (84.1%), with type 1 diabetes (76.7%), and without complications (74.2%). A high average of glycated hemoglobin (7.5 ± 1.4), changes in selfcare routine (72%) and in blood glucose levels (72.8%), wearing masks (98.1%), washing hands with soap and water (96.7%), using alcohol gel (94.4%), and social distancing (85%) were observed. It is essential to reinforce care for the metabolic control of people with diabetes, in addition to optimizing strategies against the COVID-19 epidemic with a view to preventing and promoting health.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,089
Tête enseignante GPT0,406
Écart entre enseignants0,317 · 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'étudeObservationnel
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'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetHealthcare during COVID-19 PandemicTravaux en français237 207