MétaCan
Menu
Retour à la cohorte
Enregistrement W4233024585 · doi:10.2174/978160805063511001010099

Walking in Winter

2010· book-chapter· en· W4233024585 sur OpenAlexaffabout
Yue Li, Brandi Row, Jennifer Hsu, Geoff Fernie

Notice bibliographique

RevueBENTHAM SCIENCE PUBLISHERS eBooks · 2010
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueWinter Sports Injuries and Performance
Établissements canadiensToronto Rehabilitation InstituteUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAgency (philosophy)ClothingSnowSnow removalEngineeringBusinessGeographyMeteorologySociology

Résumé

récupéré en direct d'OpenAlex

Winter in many parts of Canada and the US is an enormous problem for older people. We know that every winter there are many older people who do not get out of their houses for up to three months because they cannot move around safely in the snow, ice, or slushy conditions. This paper describes our efforts at the Toronto Rehabilitation Institute to address the difficulties faced by vulnerable people in winter. The first challenge comes from identifying their perceptions of problems caused by winter. We have subsequently studied the physiologic response to cold and outdoor walking behaviour in wintry conditions in order to understand the problems in greater depth and be able to develop solutions. Emphasis has also been given to investigation of the reported difficulty donning and doffing winter jackets and coats and the effectiveness and safety of winter footwear. Our continuing effort will be focused on the universal design of streetscapes, street furniture, winter clothing, footwear, and improved assistive mobility devices. We are also determining safe exposure levels to cold weather in order to inform the public of the risks associated with mobility in winter and to provide objective criteria for public agency responses to ensure safety and social interventions to reduce isolation in winter.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,308
Score d'incertitude au seuil0,613

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0320,006

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 Opus0,014
Tête enseignante GPT0,257
Écart entre enseignants0,243 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBENTHAM SCIENCE PUBLISHERS eBooksMême sujetWinter Sports Injuries and PerformanceTravaux en français237 207