MétaCan
Menu
← Retour à la cohorte
Enregistrement W3122282777

Data Resource Profile: Pathways to Health and Social Equity for Children (PATHS Equity for Children)

2014· article· en· W3122282777 sur OpenAlexaffabout
Nathan Nickel, Dan Château, Patricia J. Martens, Marni Brownell, Alan Katz, Elaine Burland, Randy Walld, Ming Ming Hu, Carole Taylor, Joykrishna Sarkar, Chun Yan Goh

Notice bibliographique

RevueSSRN Electronic Journal · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensUniversity of ManitobaManitoba Health
Organismes subventionnairesnon disponible
Mots-clésEquity (law)Health equitySocioeconomic statusEpidemiologyResource (disambiguation)Data collectionSocial determinants of healthBusinessActuarial scienceMedicineEconomic growthComputer scienceHealth careSociologyPolitical scienceEconomicsEnvironmental healthSocial sciencePopulation
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The PATHS Data Resource is a unique database comprising data that follow individuals from the prenatal period to adulthood. The PATHS Resource was developed for conducting longitudinal epidemiological research into child health and health equity. It contains individual-level data on health, socioeconomic status, social services and education. Individuals’ data are linkable across these domains, allowing researchers to follow children through childhood and across a variety of sectors. PATHS includes nearly all individuals that were born between 1984 and 2012 and registered with Manitoba’s universal health insurance programme at some point during childhood. All PATHS data are anonymized. Key concepts, definitions and algorithms necessary to work with the PATHS Resource are freely accessible online and an interactive forum is available to new researchers working with these data. The PATHS Resource is one of the richest and most complete databases assembled for conducting longitudinal epidemiological research, incorporating many variables that address the social determinants of health and health equity.

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)0,004
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut 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: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,224
Score d'incertitude au seuil0,750

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,036
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,013
Études des sciences et des technologies0,0010,000
Communication savante0,0030,003
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,2240,069

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 Opus0,061
Tête enseignante GPT0,389
Écart entre enseignants0,327 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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

En bref

Citations2
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic Journal→Même sujetHealth disparities and outcomes→Travaux en français237 207→