MétaCan
Menu
Retour à la cohorte
Enregistrement W3198519363 · doi:10.1002/ajs4.184

Young people in residential aged care: Is Australia on track to meet its targets?

2021· article· en· W3198519363 sur OpenAlexaboutno aff
Mark Brown, Amelia Condi, Elise Davis, Isabella Goodwin, Di Winkler, Jacinta Douglas

Notice bibliographique

RevueAustralian Journal of Social Issues · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealthcare innovation and challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)Aged careProject commissioningResidential carePublishingGovernment (linguistics)GerontologyOlder peopleEconomic growthDemographic economicsBusinessPolitical scienceMedicineGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Over 4500 people under 65 years of age live in residential aged care (RAC) in Australia, and they experience poorer quality of life than people with similar disabilities in other settings. Governments have long aimed to reduce admissions of young people to RAC, but in 2019, for the first time, the Australian Government adopted target dates for resolving the issue. The targets include reducing admissions of young people to near zero by 2022 and ensuring almost no one remains in RAC beyond 2025. The national strategy focuses mostly on housing and support needs being met via the National Disability Insurance Scheme. The present study drew on quarterly data from the National Aged Care Data Clearinghouse to examine progress toward these targets. Significant progress was evident in terms of young people entering RAC: admissions reduced each quarter between September 2018 and July 2020, halving over two years. No progress was evident in terms of young people leaving RAC for better arrangements; the trend neither increased nor decreased. Prospects for achieving the targets are discussed.

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)0,008
score de la tête « metaresearch » (Gemma)0,018
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 enseignants0,175
Score d'incertitude au seuil0,347

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,099
Tête enseignante GPT0,435
Écart entre enseignants0,335 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Journal of Social IssuesMême sujetHealthcare innovation and challengesTravaux en français237 207