MétaCan
Menu
Retour à la cohorte
Enregistrement W3111453324 · doi:10.32920/cd.v4i1.723

Barriers for people of color to RD in the US

2018· article· en· W3111453324 sur OpenAlexvenueno aff
Jill White

Notice bibliographique

RevueJournal of Critical Dietetics · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDietetics, Nutrition, and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInternshipEthnic groupPeople of colorHealth equityHealth careRace (biology)MedicineGerontologyFamily medicineAfrican americanWomen of colorRace and healthUnderrepresented MinorityCultural competenceNursingPolitical scienceMedical educationPsychologyGender studiesPublic healthSociologyEthnologyPedagogy

Résumé

récupéré en direct d'OpenAlex

The Healthy People 2010 objective of eliminating health disparities was prompted by the Institute of Medicine (IOM) report Unequal Treatment; Confronting Racial and Ethnic Disparities in Health Care . The report documented racial inequities within the U.S. health care delivery system, including differential treatment on the basis of race demonstrated by health care practitioners. Recommendation 5-3 was to Increase the proportion of underrepresented U.S. racial and ethnic minorities among health professionals .Between 2002 and 2008 the number of people of color entering undergraduate Nutrition programs increased by 67 %, while the number admitted to internships decreased by 11% . Of particular concern is the 58% decrease in African American's admitted into dietetic internships over the past decade. This paper is a discussion of barriers to RD that have been identified by African Americans in five studies, in hopes of shedding light on how to address and reverse this trend.

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)0,001
score de la tête « metaresearch » (Gemma)0,008
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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,205
Score d'incertitude au seuil0,966

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,008
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 Opus0,068
Tête enseignante GPT0,481
Écart entre enseignants0,413 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Critical DieteticsMême sujetDietetics, Nutrition, and EducationTravaux en français237 207