MétaCan
Menu
Retour à la cohorte
Enregistrement W3175792261

The Quest for Liquid Gold: Why Canada Should Provide Remuneration for Plasma Donations

2021· article· en· W3175792261 sur OpenAlexaboutno aff
Christina Manning

Notice bibliographique

RevueSFU Undergraduate Research Symposium Journal · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBlood donation and transfusion practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRemunerationDonationBusinessEconomic shortagePurchasingMedicineIntensive care medicinePolitical scienceFinanceMarketingLawGovernment (linguistics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Plasma is a protein rich component of blood that is used for lifesaving transfusions and as an essential treatment for individuals with hemophilia and immunodeficiency conditions. Canada has historically relied on a national system of non-remunerated blood donation to collect blood plasma. However, over the past several decades, Canada has become increasingly reliant on purchasing plasma products from countries with plasma remuneration systems to meet increasing demand. Unfortunately, this system is no longer able to consistently accommodate the rapidly growing need for plasma products in Canada. To address the shortage of plasma products, it is time for Canada to re-evaluate the merits of a paid plasma system. Providing remuneration for plasma in Canada is a promising solution for several reasons. First, there is extensive evidence supporting the safety of paid plasma. Second, many countries have implemented successful plasma remuneration programs that have increased the supply of plasma without harming donation rates for whole blood. Third, while the ethical concerns of donor well-being cannot be fully remedied, they can be ameliorated. Instead of relying on other countries to maintain high ethical standards for plasma donors, Canada can take responsibility for plasma donors by constructing a system that addresses issues of consent, while carefully screening and monitoring to ensure donors maintain good health.

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)0,010
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil0,523

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0170,008
Communication savante0,0110,005
Science ouverte0,0030,003
Intégrité de la recherche0,0090,011
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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 Opus0,071
Tête enseignante GPT0,336
Écart entre enseignants0,265 · 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'étudeSans objet
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSFU Undergraduate Research Symposium JournalMême sujetBlood donation and transfusion practicesTravaux en français237 207