MétaCan
Menu
Retour à la cohorte
Enregistrement W4385798826 · doi:10.1111/1467-9566.13697

Men’s Health in Northern Ireland: Why do we need a men’s health policy?

2023· review· en· W4385798826 sur OpenAlexfundno aff
Erin Early, Paula Devine

Notice bibliographique

RevueSociology of Health & Illness · 2023
Typereview
Langueen
DomaineSocial Sciences
ThématiqueGender Roles and Identity Studies
Établissements canadiensnon disponible
Organismes subventionnairesQueen's UniversityQueen's University Belfast
Mots-clésMental healthHealth policyNarrativePublic healthPopulationPopulation healthMedicinePolitical sciencePsychologyEnvironmental healthPsychiatryNursing

Résumé

récupéré en direct d'OpenAlex

Males accounted for half the United Kingdom population in 2021 yet they fail to be prioritised in health and social policies. As examining the health of males and females collectively falls short in accounting for the complexities associated with gendered health outcomes, male health should be considered as a separate policy issue. The island of Ireland has two jurisdictions, the Republic of Ireland and Northern Ireland (NI); however, only the former has implemented a men's health policy. As well as a policy vacuum within NI, few studies have comprehensively examined male health. To address this shortcoming, a narrative review of males' physical and mental health trends in NI is presented to determine the need for a men's health policy. A collation of secondary administrative data and survey data was conducted. The narrative review highlights the importance of utilising a holistic framework to understand men's health. Key findings include high male suicide rates and young males being more likely to report certain mental health problems. The study concludes that a male health policy is needed. To achieve this, a Health Impact Pyramid was developed, and it illustrates practical steps that can be taken to support decision-makers, service providers and individual males.

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)0,006
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
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 Opus0,098
Tête enseignante GPT0,439
Écart entre enseignants0,341 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSociology of Health & IllnessMême sujetGender Roles and Identity StudiesTravaux en français237 207