MétaCan
Menu
Retour à la cohorte
Enregistrement W4362467907 · doi:10.26425/2309-3633-2023-11-1-73-83

Analysis of the food and medicines provision in the northern regions of the USA and Canada

2023· article· en· W4362467907 sur OpenAlexaboutno aff
A. S. Moiakunova

Notice bibliographique

RevueUPRAVLENIE / MANAGEMENT (Russia) · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArctic and Russian Policy Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWork (physics)Government (linguistics)BusinessSubsidySupplemental Nutrition Assistance ProgramCommodityPopulationEconomic growthEnvironmental healthFood securityGeographyPolitical scienceMedicineAgricultureFood insecurityEconomicsFinanceEngineering

Résumé

récupéré en direct d'OpenAlex

The article is devoted to the analysis of foreign experience in ensuring the availability of medicines and food products for the population of the northern regions of the United States and Canada. The author considers in detail the work of support mechanisms in hard-to-reach places in Alaska and the Northwest Territories of Canada, where there is no transport communication all year round. The content of the U.S. government programs on drug coverage (Medicare and Medicaid), mechanisms of subsidizing food and essential commodities (Supplemental Nutrition Assistance Program (SNAP), Women/Infants and Children Program (WIC), Commodity Supplemental Food Program (CSFP), Farmers’ Market Nutrition Program (FMNP), Senior Farmers’ Market Nutrition Program (SFMNP)) were analyzed. The delivery of food by the Alaska ByPass mail program, which delivers food and necessary goods to hard-to-reach settlements where there are no roads, was studied. The article also pays attention to the state policy on a healthy lifestyle, which includes proper and balanced nutrition, considers state programs and recommendations on nutrition for Americans (Dietary Guidelines for Americans) and Canadians (Canada’s Food Guide). The results of the work can be used in the development of programs and proposals for improving measures to support and provide Arctic regions of the Russian Federation with food products and medicines.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,495

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,012
Études des sciences et des technologies0,0040,001
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,024
Tête enseignante GPT0,285
Écart entre enseignants0,261 · 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'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUPRAVLENIE / MANAGEMENT (Russia)Même sujetArctic and Russian Policy StudiesTravaux en français237 207