MétaCan
Menu
← Retour à la cohorte
Enregistrement W4386221684 · doi:10.31219/osf.io/fx726

Improving the Evaluation of Primary Care Physician Accessibility in Eastern Quebec: Incorporating the Pampalon Deprivation Index into the Enhanced Two-Step Floating Catchment Area Methodology

2023· preprint· en· W4386221684 sur OpenAlexaffabout
Christian Simoneau

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésCatchment areaEconomic shortageIndex (typography)Redistribution (election)Primary careIdentification (biology)Primary health carePopulationRural areaBusinessEnvironmental planningComputer scienceGeographyMedicineEnvironmental healthDrainage basinFamily medicinePolitical scienceCartography

Résumé

récupéré en direct d'OpenAlex

This study aimed to refine the Enhanced Two-Step Floating Catchment Area (E2SFCA) methodology by incorporating the Pampalon Deprivation Index (PDI) to enable the characterization of the local environment and facilitate the identification of primary care accessibility patterns in Eastern Quebec. The E2SFCA-PDI methodology considers the supply of PCPs at the dissemination area level, travel time between PCPs and dissemination areas, and a linear distance decay function in conjunction with the PDI for each dissemination area. The E2SFCA-PDI methodology was found to be capable of identifying underserved areas that may appear to have sufficient access levels when evaluated using the standard E2SFCA method. The availability of primary care services is contingent upon the presence of adequate road infrastructure, and populations residing in areas with limited access to main road networks may experience compromised access to primary care. The study concludes that the implementation of the E2SFCA-PDI methodology can improve the identification of primary care physician shortage areas by taking into account the health needs of the population, and can aid in the development of regional medical planning and resources redistribution.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,076
Score d'incertitude au seuil0,153

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,223
Tête enseignante GPT0,489
Écart entre enseignants0,267 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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'admission2
Résumé présentoui

Explorer davantage

Même sujetGlobal Health Workforce Issues→Travaux en français237 207→