Notice bibliographique
Résumé
The use of internet by the consumer for health information on obesity, weight management and other obesity related diseases continues to soar.The need for information has formed a health informatics sub-specialty referred to as Consumer Health Informatics.Obesity is just one of many health conditions where consumer education for empowerment is important to improve their own health.In 2012, the percentage of obese adults 18 and older was 27.7 % in US nationally.Unfortunately, by 2014 the US percentage of obese adults increased to 28.9 %.The obesity trends in Canada are similar to those of the United States.In 2012, Statistics Canada has reported that 18.4% of Canadians aged 18 and older have been reported as being obese.The most recent Canadian statistics from 2014 has reported 20.2% of Canadians aged 18 and older as obese.In today's technological society there are additional new abilities and skills required for health literacy.Computer literacy skill is required to assess, understand, and apply health information obtained through the internet [5].Being able to assess the information as to its reliability and accuracy is critical vs. assessing the sophisticated design of any given webpage.In my opinion, in effort to assist consumers searching for health in regards to health literacy and computer literacy skills the US government should promote and place more awareness on health information websites.Therefore, my recommendation for consumers is to follow the following steps by visiting ".gov", ".edu".and ".org" sites first prior to searching the less reliable and accurate ".com" websites for health information online.
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 | 0,003 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,055 | 0,006 |
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.
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 ».