MétaCan
Menu
Retour à la cohorte
Enregistrement W36382531 · doi:10.1111/1467-9566.13579

(The) effects of a walking exercise program on fall-related fitness, rate of bone loss, and fall-related psychological factors in elderly women

2009· dissertation· en· W36382531 sur OpenAlexfundaboutno aff
유은정

Notice bibliographique

RevueSociology of Health & Illness · 2009
Typedissertation
Langueen
DomaineHealth Professions
ThématiqueHealth and Wellbeing Research
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Population and Public HealthCanadian Institutes of Health Research
Mots-clésGerontologyPhysical therapyPhysical medicine and rehabilitationPhysical fitnessPsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

This article provides a detailed account of how surgeons perceived and used a device-procedure that caused widespread patient harm: transvaginal mesh for the treatment of pelvic floor disorders in women. Drawing from interviews with 27 surgeons in Canada, the UK, the United States and France and observations of major international medical conferences in North America and Europe between 2015 and 2018, we describe the commercially driven array of operative variations in the use of transvaginal mesh and show that surgeons' understanding of their hands-on, sensory experience with these variations is central to explaining patient harm. Surgeons often developed preferences for how to manage actual and anticipated dangers of transvaginal mesh procedures through embodied operative adjustments, but collectively the meaning of these preferences was fragmented, contested and deferred. We critically reflect on surgeons' understandings of their operative experience, including the view that such experience is not evidence. The harm in this case poses a challenge to some ways of thinking about uncertainty and errors in medical sociology, and calls for attention to a specific feature of surgical work: the extent and persistence of operative practices that elude classification as right or wrong but are still most certainly better and worse.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,840
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,020
Tête enseignante GPT0,427
Écart entre enseignants0,407 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSociology of Health & IllnessMême sujetHealth and Wellbeing ResearchTravaux en français237 207