MétaCan
Menu
Retour à la cohorte
Enregistrement W4253346999 · doi:10.2196/preprints.26798

Development and Application of Mini App "Travel Health Guide" (Preprint)

2020· preprint· en· W4253346999 sur OpenAlexaboutno aff
Weisi Liu

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUploadChinaPreprintPublic healthDisease controlBusinessCommissionTourismEnvironmental healthPublic relationsWorld Wide WebMedicinePolitical scienceComputer scienceNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND It can be seen that the occurrence of disease in the destination is closely related to the health of travelers. The public urgently needs a localized disease status retrieval tool. Mini App is an application that can be used without downloading and installing. Users can scan or search from WeChat to open the application. It’s the most popular way for Chinese people to use it. OBJECTIVE This study aims to explore the feasibility of establishing disease risk communication platform system in the era of artificial intelligence and big data, to provide suggestions for disease control workers and the public to establish an information-based data platform for efficient communication, and to provide practical and scientific basis for the implementation of accurate communication strategy of risk communication. METHODS The data of authoritative portal websites and authoritative websites in related fields were collected and integrated into a practical destination disease information platform suitable for the public. The data source includes World Health Organization, National Health Commission of the people's Republic of China, China Center for Disease Control and prevention, CDC of the United States, ECDC of Europe, portal of Hong Kong Health Protection Center, etc. RESULTS A total of 946 pieces of information were collected from the National Health Commission of the people's Republic of China (300), CDC (370), World Health Organization (170), Covid-19 guidelines (79) and Canada tourism network-- travel.gc.ca (27). The number of searches was 1134. CONCLUSIONS This small program conforms to the current new media data age, people's habits, directly facing the public, let the public understand the disease situation of the tourism destination, and obtain authoritative prevention and control guidelines; it provides information and convenience for the public, and has a good practical application prospect.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Méthodes
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objetlow
gptaucune catégorie
Domaine: non disponible · Genre: Logiciel
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objethigh
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,167
Score d'incertitude au seuil0,557

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
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,1670,088

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 Opus0,030
Tête enseignante GPT0,324
Écart entre enseignants0,294 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes · Logiciel

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

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetData-Driven Disease SurveillanceTravaux en français237 207