MétaCan
Menu
Retour à la cohorte
Enregistrement W4382193226 · doi:10.37741/t.71.2.12

The Effect of the COVID-19Pandemic on Dental Tourism in Croatia

2023· article· en· W4382193226 sur OpenAlexaboutno aff
Jelena Lana Zelenika, Luka Banjšak, Marin Vodanović

Notice bibliographique

RevueTourism · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Healthcare and Medical Tourism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTourismPandemicBusinessCoronavirus disease 2019 (COVID-19)AccommodationQuality (philosophy)CroatianGeographyMarketingEconomic growthEconomicsMedicinePsychology

Résumé

récupéré en direct d'OpenAlex

Dental tourism is based on providing dental services outside the home country at more favourable prices but with added value in tourist offers and arrangements. Croatia has become a destination for affordable and at the same time quality dental tourism due to low prices, high quality, and natural beauties. In addition to dental services, most clinics offer transportation and accommodation. Dental tourists want to combine dental services with vacation, which makes Croatia a desirable destination precisely because of the natural beauty and abundance of rich content. For this reason, many Croatian dentists have recognized dental tourism as an additional source of income or as their primary business orientation. Although clinics operating within dental tourism are located throughout Croatia, the most significant number is in Zagreb, Rijeka, and Split. Patients mostly come from developed countries such as Italy, Austria, Germany, UK, Ireland, Japan, Canada, and the USA, where dental procedures are not as affordable. Dental tourism in Croatia had exponential growth until March 2020, when, for the first time, it faced a global problem and was challenged in the form of the COVID-19 pandemic.

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)0,002
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 enseignants0,123
Score d'incertitude au seuil0,244

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,043
Tête enseignante GPT0,433
Écart entre enseignants0,390 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTourismMême sujetGlobal Healthcare and Medical TourismTravaux en français237 207