MétaCan
Menu
Retour à la cohorte
Enregistrement W4401746398 · doi:10.1371/journal.pgph.0003406

Changes in reasons for visits to primary care after the start of the COVID-19 pandemic: An international comparative study by the International Consortium of Primary Care Big Data Researchers (INTRePID)

2024· article· en· W4401746398 sur OpenAlexafffundabout
Karen Tu, María C. Lapadula, Jemisha Apajee, Valborg Baste, María Sofía Cuba-Fuentes, Simon de Lusignan, Signe Flottorp, Gabriela Gaona, Lay Hoon Goh, Christine Mary Hallinan, Robert Kristiansson, Adrian Laughlin, Zhuo Li, Zheng Ling, Jo‐Anne Manski‐Nankervis, Amy Pui Pui Ng, Luciano F. Scattini, Javier Silva‐Valencia, Wilson D. Pace, Knut‐Arne Wensaas, William Chi Wai Wong, Paula Zingoni, John M. Westfall

Notice bibliographique

RevuePLOS Global Public Health · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensNorth York General HospitalToronto Western HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesCanadian Institutes of Health ResearchRACGP FoundationNovo NordiskUniversity of TorontoNorwegian Institute of Public HealthSt. Michael's Hospital FoundationPaul Ramsay FoundationQueen's UniversityUniversity of MelbourneUniversity of OxfordPfizerModernaUniversidad Peruana Cayetano HerediaRoyal Australian College of General PractitionersStrykerSeqirusFondation Brain CanadaDiabetes CanadaEli Lilly and CompanyU.S. Department of DefenseSanofiAmgenUniversity of SurreyHeart and Stroke Foundation of CanadaAstraZeneca
Mots-clésPandemicMedicineChinaDemographyCoronavirus disease 2019 (COVID-19)Primary careConfidence intervalFamily medicineHealth carePediatricsGeographyPolitical scienceInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

OpenAlex consigne un résumé pour ce travail, mais il n'a pas pu être récupéré à l'instant.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,282
Score d'incertitude au seuil0,986

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,407
Tête enseignante GPT0,489
Écart entre enseignants0,083 · 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
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLOS Global Public HealthMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207