MétaCan
Menu
← Retour à la cohorte
Enregistrement W3115097713 · doi:10.1093/geroni/igaa057.3529

Health equity impacts of COVID-19 policies on dementia-relevant community services: A SGBA+ policy scan

2020· article· en· W3115097713 sur OpenAlexaffabout
Katie Aubrecht, Rosanne Burke, Jacqueline Gahagan, Laura Dowling, Christine Kelly Mary Jean Hande, Susan Hardie, Janice Keefe

Notice bibliographique

RevueInnovation in Aging · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensMount Saint Vincent UniversityCanadian Centre on Disability StudiesDalhousie UniversitySt. Francis Xavier University
Organismes subventionnairesnon disponible
Mots-clésEquity (law)DementiaLegislationLegislatureHealth careBusinessPublic policyPublic economicsPolitical sciencePublic relationsMedicineEconomic growthEconomicsDisease

Résumé

récupéré en direct d'OpenAlex

Abstract This presentation shares the methodology and early findings from a policy scan conducted to understand and assess the impact of COVID-19 policies on dementia care in the community for diverse populations in the province of Nova Scotia, Canada. The scan provided baseline information on: 1) Provincial legislative and regulatory policies related to dementia care in the community; 2) Orders and legislation enacted in response to COVID-19 that potentially impact those policies. Information was obtained from publicly accessible databases and government websites. Searches were also conducted using Google. 135 Acts were collected and reviewed. A specific aim of the scan was to generate knowledge about the impact of these layered policies in the context of a public health crisis from the perspective of local socially and geographically marginalized communities. A Sex and Gender Based Analysis Plus analytical approach was used to assess potential health equity impacts of COVID-19 policies on dementia care in the community. Information was organized using an adapted Health Equity Impact Assessment tool and Systems Health Equity Lens. Strengths and limitations of the approach and tools are discussed.

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)0,017
score de la tête « metaresearch » (Gemma)0,043
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,854
Score d'incertitude au seuil0,412

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,043
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0150,028
Études des sciences et des technologies0,0030,002
Communication savante0,0060,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,135
Tête enseignante GPT0,472
Écart entre enseignants0,337 · 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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetHealth disparities and outcomes→Travaux en français237 207→