MétaCan
Menu
Retour à la cohorte
Enregistrement W3167921071 · doi:10.1017/s0269889721000016

Rendering Inuit cancer “visible”: Geography, pathology, and nosology in Arctic cancer research

2020· article· en· W3167921071 sur OpenAlexaffabout
Jennifer Fraser

Notice bibliographique

RevueScience in Context · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCircumpolar starNosologyDiseasePresentation (obstetrics)CancerEpidemiologyMedicineGeographyPathologySurgery

Résumé

récupéré en direct d'OpenAlex

In August of 1977, Australian pathologist David W. Buntine delivered a presentation at the Annual Meeting of the Royal College of Pathologists of Australia in Melbourne, Victoria. In this presentation, he used the diagnostic category of "Eskimoma," to describe a unique set of salivary gland tumors he had observed over the past five years within Winnipeg's Health Sciences Center. Only found amongst Inuit patients, these tumors were said to have unique histological, clinical, and epidemiological features and were unlike any other disease category that had ever been encountered before. To understand where this nosological category came from, and its long-term impact, this paper traces the historical trajectory of the "Eskimoma." In addition to discussing the methods and infrastructures that were essential to making the idea of Inuit cancer "visible," to the pathologist, the epidemiologist, and to society at large, this paper discusses how Inuit tissue samples obtained, stored, and analyzed in Winnipeg, Manitoba, came to be codified into a new, racially based disease category - one that has guided Canadian and international understandings of circumpolar cancer trends and shaped northern healthcare service delivery for the past sixty years.

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)0,028
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,981
Score d'incertitude au seuil0,749

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,022
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0060,005
Études des sciences et des technologies0,0190,041
Communication savante0,0120,010
Science ouverte0,0020,011
Intégrité de la recherche0,0030,006
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 Opus0,164
Tête enseignante GPT0,485
Écart entre enseignants0,321 · 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.

Devis d'étudeQualitatif
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

Citations5
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScience in ContextMême sujetIndigenous Studies and EcologyTravaux en français237 207