MétaCan
Menu
Retour à la cohorte
Enregistrement W4205402875 · doi:10.17269/s41997-021-00575-8

Intégrer l’infosurveillance, l’infodémiologie et une recherche interventionnelle conséquente dans nos systèmes de santé publique pour mieux protéger et promouvoir la santé de la population au Canada : idées et perspectives

2022· article· fr· W4205402875 sur OpenAlexafffundvenueabout
Maryline Vivion, Lise Gauvin

Notice bibliographique

RevueCanadian Journal of Public Health · 2022
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensUniversité de MontréalCentre Hospitalier de l’Université de MontréalUniversité LavalInstitut National de Santé Publique du Québec
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPolitical scienceDisinformationMisinformationHumanitiesPublic healthMedicineNursingSocial mediaPhilosophyLaw

Résumé

récupéré en direct d'OpenAlex

There is no longer any doubt that exposure to the tsunami of health information which is sometimes evidence-based and sometimes unfounded and even misleading, is a public health issue. The term infodemic is used to describe this phenomenon. Research conducted over the past two decades has provided a measure of the extent of information overload and of the quality of information to which populations are exposed. Selected harmful effects have also been observed. It is urgent to mobilize and structure public health systems by involving all the required expertise to combat health misinformation and better manage the infodemic. Towards this end, we are launching a call for critical thinking around three themes: the infosphere as a social determinant of health, the development of skills in infodemiology, and finally, the development, cocreation, and evaluation of consequential interventions to better manage the infodemic and combat disinformation. We believe that lessons learned collectively from the successful integration of infoveillance, infodemiology, and consequential intervention research in our public health systems will serve to better address issues emerging from infodemics.

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)0,086
score de la tête « metaresearch » (Gemma)0,060
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,951
Score d'incertitude au seuil0,680

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0860,060
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0080,032
Communication savante0,0210,012
Science ouverte0,0030,007
Intégrité de la recherche0,0080,011
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,086
Tête enseignante GPT0,404
Écart entre enseignants0,318 · 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'étudeThéorique ou conceptuel
DomaineMéthodes
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

Citations7
Publié2022
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Public HealthMême sujetMisinformation and Its ImpactsTravaux en français237 207