MétaCan
Menu
← Retour à la cohorte
Enregistrement W3164610901 · doi:10.2139/ssrn.3460657

Estimating the Health Impact of Vaccination Against 10 Pathogens in 98 Low and Middle Income Countries from 2000 to 2030

2019· article· en· W3164610901 sur OpenAlexaff
Xiang Li, Christinah Mukandavire, Zulma M. Cucunubá, Kaja Abbas, Hannah Clapham, Mark Jit, Hope L. Johnson, Timos Papadopoulos, Emilia Vynnycky, Marc Brisson, Emily D Carter, Andrew Clark, Margaret J. de Villiers, Kirsten Eilertson, Matthew J. Ferrari, Ivane Gamkrelidze, Katy A. M. Gaythorpe, Nicholas C. Grassly, Timothy B. Hallett, Wes Hinsley, Michael L. Jackson, Kévin Jean, Andromachi Karachaliou, Petra Klepac, Justin Lessler, Xi Li, Sean M. Moore, Shevanthi Nayagam, Duy Manh Nguyen, Homie Razavi, Devin Razavi‐Shearer, Stephen Resch, Colin Sanderson, Steven Sweet, Stephen Sy, Yvonne Tam, Hira Tanvir, Quan Minh Tran, Caroline Trotter, Shaun Truelove, Kevin van Zandvoort, Stéphane Verguet, Neff Walker, Amy K. Winter, Kim Woodruff, Neil M. Ferguson, Tini Garske

Notice bibliographique

RevueSSRN Electronic Journal · 2019
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensTrinity CollegeUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésLow and middle income countriesVaccinationEnvironmental healthDeveloping countryMedicineSocioeconomicsEconomic growthVirologyEconomics

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,076
Score d'incertitude au seuil0,151

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,050
Tête enseignante GPT0,372
Écart entre enseignants0,322 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2019
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueSSRN Electronic Journal→Même sujetCOVID-19 epidemiological studies→Travaux en français237 207→