MétaCan
Menu
Retour à la cohorte
Enregistrement W3171801177 · doi:10.3138/jmvfh-2020-0019

A consumer assessment of women who use wheelchairs

2021· article· en· W3171801177 sur OpenAlexvenueno aff
Mark Greenhalgh, Stephanie K. Rigot, Stacy Eckstein, James Joseph, Rosemarie Cooper

Notice bibliographique

RevueJournal of Military Veteran and Family Health · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisability Rights and Representation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWheelchairFocus groupUsabilityAthletesPsychologyService (business)Applied psychologyGerontologyMedical educationMedicineInternet privacyNursingPhysical therapyComputer scienceBusinessMarketingWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

LAY SUMMARY Female Veterans and female athletes with disabilities express concerns with mobility devices that are male-centric and do not address their unique needs. It is important that the needs of women are given the same attention as those of men. The following study asked groups of women who use wheelchairs or scooters, including Veterans and athletes, about their experiences. Twenty-four women, recruited from two sporting events for Veterans with disabilities, were asked to fill out a survey and participate in a focus group where they would discuss their views on mobility aids and related services. There were four major themes women often mentioned when they talked about using their mobility aids: usability (how they like using it), service delivery (how they get help with it), well-being (how they feel), and design (how it looks and works). Participants were concerned about the ability to adjust their device to their needs, how people obtained a device, and how they felt about using the device. Female wheelchair and scooter users recommended several changes to mobility aids that would improve the devices and improve the lives of women who use them.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,055
Tête enseignante GPT0,382
Écart entre enseignants0,327 · 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'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

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Military Veteran and Family HealthMême sujetDisability Rights and RepresentationTravaux en français237 207