MétaCan
Menu
Retour à la cohorte
Enregistrement W4392978899 · doi:10.26443/mjgh.v9i1.1299

A Health Care System Divided

2020· article· en· W4392978899 sur OpenAlexaff
Megan Solomon, Jack Moncado, Mouna Latouf, Mayaluna Bierlich, Gabe Polidori, L. Chen, Diane Sauttter

Notice bibliographique

RevueMcGill Journal of Global Health · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésEquity (law)Health careHealth equityEconomic growthHealth servicesPopulationProxy (statistics)Rural areaBusinessPolitical scienceMedicineEnvironmental healthEconomics

Résumé

récupéré en direct d'OpenAlex

From 1948 to 1994 South Africa was under the repressive Apartheid regime. Among many other actions taken to ensure white South Africans maintained power, the regime put in place discriminatory health policies that deprived black South Africans of equitable health care. As the apartheid era came to an end in 1994, the newly elected African National Congress sought to prioritize equity by creating the National Health Act. Despite this, major disparities in health care persist. Te purpose of this case study is to shed light on such disparities in the South African health system by using maternal health as a proxy. Mothers living in rural areas continually contend with barriers to access, afordability and availability. Rural areas account for about 46% of South Africa’s population but service provision is only 12% and 19% of the nation’s doctors and nurses respectively. The lack of medical professionals in these areas make it difcult for mothers to receive vital procedures, such as emergency obstetric care, without traveling unmanageable distances. Moreover, high transport costs ofset progress made by the elimination of out-of-pocket expenses and continues to make the cost of accessing care prohibitively expensive, accounting at times for 51.4% of household income.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil0,242

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0060,004
Communication savante0,0060,005
Science ouverte0,0010,009
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0720,006

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 GPT0,336
Écart entre enseignants0,313 · 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
GenreCommentaire

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMcGill Journal of Global HealthMême sujetGlobal Maternal and Child HealthTravaux en français237 207