Analysis of the Characteristics of Patients Visiting the Tokyo 2020 Olympics Polyclinic
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the characteristics of patients who visited the Polyclinic during the Tokyo 2020 Olympics and analyze geographical and economic correlations with the number of clinic visits. DESIGN: Cross-sectional study. SETTING: Polyclinic during the Tokyo 2020 Olympics. PARTICIPANTS: Patients who visited the Polyclinic. INTERVENTION: Data from the electronic medical record system of the Polyclinic were extracted. MAIN OUTCOME MEASURES: The number of visits for each athlete or team official was calculated by country. Relationship between number of visits per patient and total number of team members, total health expenditure per capita, density of medical doctors, life expectancy at birth, and education expenditure per gross domestic product (GDP) were investigated. Independent variables related to medal tables were also investigated. RESULTS: The average number of visits per athlete was 0.67, and it was higher in athletes from non-high-income countries compared with high-income countries for both male and female athletes. Number of visits per athlete was higher in countries with low life expectancy at birth (95% CI, -0.16 to -0.02, P = 0.012) and education expenditure per GDP (95% CI, -0.17 to -0.04, P = 0.003). CONCLUSIONS: During the Tokyo 2020 Olympics, the number of visits to the Polyclinic per athlete was higher in countries with low life expectancy at birth and education expenditure per GDP.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».