MétaCan
Menu
Retour à la cohorte
Enregistrement W4212765637 · doi:10.3390/data7020024

British Columbia’s Index of Multiple Deprivation for Community Health Service Areas

2022· article· en· W4212765637 sur OpenAlexaffabout
Sharon Relova, Yayuk Joffres, Drona Rasali, Li Rita Zhang, Geoffrey McKee, Naveed Z. Janjua

Notice bibliographique

RevueData · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensUniversity of British ColumbiaBC Centre for Disease ControlProvincial Health Services Authority
Organismes subventionnairesnon disponible
Mots-clésEquity (law)Index (typography)Environmental healthMedicineHealth carePublic healthPopulationGeographyGerontologySocioeconomicsEconomic growthNursingPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

Area-based socio-economic indicators, such as the Canadian Index of Multiple Deprivation (CIMD), have been used in equity analyses to inform strategies to improve needs-based, timely, and effective patient care and public health services to communities. The CIMD comprises four dimensions of deprivation: residential instability, economic dependency, ethno-cultural composition, and situational vulnerability. Using the CIMD methodology, the British Columbia Index of Multiple Deprivation (BCIMD) was developed to create indexes at the Community Health Services Area (CHSA) level in British Columbia (BC). BCIMD indexes are reported by quintiles, where quintile 1 represents the least deprived (or ethno-culturally diverse), and quintile 5 is the most deprived (or diverse). Distinctive characteristics of a community can be captured using the BCIMD, where a given CHSA may have a high level of deprivation in one dimension and a low level of deprivation in another. The utility of this data as a surveillance tool to monitor population demography has been used to inform decision making in healthcare by stakeholders in the regional health authorities and governmental agencies. The data have also been linked to health care data, such as COVID-19 case incidence and vaccination coverage, to understand the epidemiology of disease burden through an equity lens.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,162

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,011
Études des sciences et des technologies0,0020,000
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 Opus0,124
Tête enseignante GPT0,379
Écart entre enseignants0,255 · 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

Citations15
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDataMême sujetHealth disparities and outcomesTravaux en français237 207