MétaCan
Menu
← Retour à la cohorte
Enregistrement W3166323584 · doi:10.3917/gs1.164.i

10.3917/gs1.164.i

2000· article· en· W3166323584 sur OpenAlexvenueno aff

Notice bibliographique

RevueTime to knit · 2000
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Dans l’ordre mondial actuel, l’augmentation de la population âgée a des répercussions importantes sur les structures sociodémographiques. Elle s’accompagne d’un déclin du rôle traditionnel de l’aidant et par conséquent de l’avènement de systèmes de soins alternatifs pour les soins de fin de vie (SFV). Cependant, les constructions socioculturelles sous-jacentes des SFV varient selon les pays, avec des différences marquées entre les pays occidentaux et non occidentaux, par exemple l’Inde. Peu de recherches ont porté sur les SFV en général ou en Inde plus particulièrement. Ainsi, cette étude a pour objet les perceptions de bien-être et des préparatifs de fin de vie réussis de 390 personnes âgées (> 60 ans) résidant dans le district périurbain du Bengale occidental, en Inde. Les enquêtes empiriques révèlent trois grands aspects thématiques du bien-être liés aux soins de fin de vie : a) les perceptions du vieillissement ; b) les perceptions du bien-être dans un contexte social en mutation ; et c) les perceptions de la fin de vie. Les résultats de cette étude indiquent que les perceptions du bien-être des personnes âgées vis-à-vis de leurs soins de fin de vie sont principalement influencées par l’existence de liens sociaux forts et le maintien à domicile. Les résultats de cette étude devraient aider à guider l’élaboration de politiques efficaces en Inde, qui pourraient être appliquées à d’autres pays en développement.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0030,002
Communication savante0,0080,004
Science ouverte0,0030,007
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,9470,954

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 Opus0,014
Tête enseignante GPT0,271
Écart entre enseignants0,257 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTime to knit→Même sujetHealth disparities and outcomes→Travaux en français237 207→