MétaCan
Menu
Retour à la cohorte
Enregistrement W3134421977 · doi:10.3138/cart-2020-0025

Schools as Vectors of Infectious Disease Transmission during the 1918 Influenza Pandemic

2021· article· fr· W3134421977 sur OpenAlexaffvenue
Don Lafreniere, Timothy J. Stone, Rose Hildebrandt, Richard C. Sadler, Michael J. Madison, Dan Trepal, Gary Spikberg, James Juip

Notice bibliographique

RevueCartographica The International Journal for Geographic Information and Geovisualization · 2021
Typearticle
Languefr
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésHumanitiesInfluenza pandemicPolitical scienceCoronavirus disease 2019 (COVID-19)PhilosophyMedicineInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Les auteurs utilisent une combinaison de microdonnées nationales tirées des séries IPUMS ( Integrated Public Use Microdata Series) et de microdonnées sur la population et la santé au niveau régional, spatialisées à l’échelon des ménages, et ils se servent d’un SIG historique (SIGH) pour suivre la transmission de l’infection grippale entre les enfants des écoles publiques de la péninsule nord du Michigan durant la pandémie de 1918. Les microdonnées sont des données non agrégées d’un extrême degré de précision. Les auteurs décrivent trois avantages importants de l’utilisation de microdonnées historiques dans le contexte du SIGH : la contextualisation des données dans l’espace et le temps en correspondance avec la période, l’esquive de l’erreur écologique et la capacité de naviguer librement entre les échelles micro et macro. Ils montrent le potentiel qu’offre l’étude historique des pandémies au moyen de microdonnées historiques en procédant à une analyse spatiotemporelle de cette maladie respiratoire infectieuse dans trois écoles, d’avril à juin 1918.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,472
Score d'incertitude au seuil0,880

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,010
Tête enseignante GPT0,306
Écart entre enseignants0,295 · 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'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

Citations6
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCartographica The International Journal for Geographic Information and GeovisualizationMême sujetData-Driven Disease SurveillanceTravaux en français237 207