A Scan of CDC-Authored Articles on Legal Epidemiology, 2011–2015
Notice bibliographique
Résumé
Objective: The Centers for Disease Control and Prevention (CDC) conducts research on legal epidemiology, the scientific study of law as a factor in the cause, distribution, and prevention of disease. This study describes a scan of articles written by CDC staff members to characterize the frequency and key features of legal epidemiology articles and their distribution across CDC departments and divisions. Methods: CDC librarians searched an internal repository for journal articles by CDC staff published from January 1, 2011, to May 31, 2015. Researchers reviewed and coded the abstracts to produce data on key features of the articles. Results: Researchers identified 158 CDC-authored legal epidemiology articles published in 83 journals, most frequently in Preventing Chronic Disease (14 publications), Journal of Public Health Management Practice (10 publications), and Morbidity and Mortality Weekly Report (9 publications). Most articles concerned the use and impact of law as a deliberate tool of intervention. Thirteen articles addressed the legal infrastructure of public health, and 3 assessed the incidental or unintended effects of nonhealth laws. CDC-authored articles encompassed policy making, implementation, and impact. Literature reviews and studies mapping laws across multiple jurisdictions constituted one-quarter of all publications. Studies addressed laws at the international, national, state, local, and organizational levels. Conclusion: Results of the scan can be used to identify opportunities for the agency to better support research, professional development, networking, publication, and tracking of publication in this emerging field.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,122 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,101 | 0,106 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,005 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».