MétaCan
Menu
Retour à la cohorte
Enregistrement W4392190375 · doi:10.36401/iddb-23-5

Betel Nuts, Health Policies, and Adolescent Health

2023· article· en· W4392190375 sur OpenAlexaff
Jasper Hoi Chun Luong, Zisis Kozlakidis, Io Hong Cheong, Hui Wang

Notice bibliographique

RevueInnovations in Digital Health Diagnostics and Biomarkers · 2023
Typearticle
Langueen
DomaineDentistry
ThématiqueOral Health Pathology and Treatment
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésAdolescent healthBetelEnvironmental healthMedicineTraditional medicineNutNursingEngineering

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Areca nut and betel quid (AN/BQ) products are largely scrutinized by the scientific community because of their toxicological and carcinogenic properties. However, at the same time there exists an ever-growing user base in low- and medium-income countries, whose users are responding to innovative products preparation processes and are initiated to AN/BQ products by their parents and family at a young age. This report compiles current cessation policies, implemented interventions, and comments on their corresponding effectiveness and/or potential effectiveness. The report also highlights the need for further research from both an adolescent health and a Chinese perspective, as data regarding the region with the second largest user group after India are largely unknown or unavailable for scientific review. Ultimately, recent studies involving analytical methods to observe how different cultivation environments, and/or processing methods change the chemical composition of the AN/BQ product have also presented a potential insight in better understanding and eventually regulating AN/BQ across all population groups, including adolescents. The rise of digital solutions may also encourage development of applications to track consumption and usage and distribution of AN/BQ products for policy makers to design targeted campaigns.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,344
Score d'incertitude au seuil0,976

Scores Codex et Gemma par catégorie

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

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 Opus0,043
Tête enseignante GPT0,365
Écart entre enseignants0,322 · 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.

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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovations in Digital Health Diagnostics and BiomarkersMême sujetOral Health Pathology and TreatmentTravaux en français237 207