MétaCan
Menu
Retour à la cohorte
Enregistrement W4282913466 · doi:10.1071/py22006

Rapid deployment of support for a mental health crisis: 10 priorities framing Australia’s COVID-19 pandemic response

2022· article· en· W4282913466 sur OpenAlexaff
Jane Desborough, Grant Blashki, Sally Hall Dykgraaf, Ruth Vine, Mark Roddam, Ashvini Munindradasa, Michael Kidd

Notice bibliographique

RevueAustralian Journal of Primary Health · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensUniversity of Toronto
Organismes subventionnairesBeyond BlueAustralian Government
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)Public healthPopulation healthMental healthFraming (construction)Software deployment2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Health economicsMedicineEnvironmental healthVirologyPsychiatryNursingOutbreakGeographyInfectious disease (medical specialty)Disease

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic has challenged the mental health of communities worldwide, with the triple pressures of financial insecurity, lockdowns, and worry about the infection. Australia rapidly deployed resources to protect the mental wellbeing of the community through supplementing existing services, supporting at-risk groups, investing in social supports, embracing technology, and supporting the health workforce. This paper describes the Australian Government's investment in mental health during the COVID-19 pandemic in relation to the 10 priority areas identified in Australia's National Mental Health Pandemic Response Plan.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,171
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,194
Tête enseignante GPT0,469
Écart entre enseignants0,275 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Journal of Primary HealthMême sujetCOVID-19 and Mental HealthTravaux en français237 207