Introduction to the special section: the importance of behavioral medicine in the COVID-19 pandemic response
Notice bibliographique
Résumé
Preventative behaviors, including getting vaccinated, wearing a mask, and physical distancing, are at the heart of controlling the spread of COVID-19. Currently, vaccination has become the cornerstone of most governments’ strategies to minimize viral transmission and reduce the number of hospitalizations and deaths. However, vaccine hesitancy is still a major problem across most countries, with unvaccinated people at the highest risk of becoming infected and hospitalized. As we have seen most recently with the omicron variant, the hospitalization and care of unvaccinated people increases the potential for health care systems to become overwhelmed [1]. As behavior is at the heart of managing health during the pandemic, governments have used a number of different mechanisms to motivate individuals to engage in preventative behaviors, ranging from threatening messages to minimizing barriers to incentives such as lottery tickets [2,3]. These measures have had an inconsistent impact on...
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,020 | 0,031 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,012 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».