Drowning and aquatic injuries dictionary
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Drowning is a significant public health issue with more than 320,000 deaths globally every year. These numbers are greatly underestimated, however, due to factors such as inadequate data collection, inconsistent categorization and failure to report in certain regions and cultures.The objective of this study was to develop a standardised drowning dictionary using a consensus-based approach. Through creation of this resource, improved clarity amongst stakeholders will be achieved and, as a result, so will our understanding of the drowning issue. METHODOLOGY: A list of terms and their definitions were created and sent to 16 drowning experts with a broad range of backgrounds across four continents and six languages. A review was conducted using a modified Delphi process over five rounds. A sixth round was done by an external panel evaluating the terms' content validity. RESULTS: The drowning dictionary included more than 350 terms. Of these, less than 10% had been previously published in peer review literature. On average, the external expert validity endorsing the dictionary shows a Scale Content Validity Index (S-CVI/Ave) of 0.91, exceeding the scientific recommended value. Ninety one percent of the items present an I-CVI (Level Content Validity Index) value considered acceptable (>0.78). The endorsement was not a universal agreement (S-CVI/UA: 0.44). CONCLUSION: The drowning dictionary provides a common language, and the authors envisage that its use will facilitate collaboration and comparison across prevention sectors, education, research, policy and treatment. The dictionary will be open to readers for discussion and further review at www.idra.world.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle