MétaCan
Menu
Retour à la cohorte
Enregistrement W4408823016 · doi:10.1017/cts.2024.1142

571 A catalyst for change: Elevating mental health considerations in Ontario using a mental health in all policies approach

2025· article· en· W4408823016 sur OpenAlexaffabout
Tala Lumbu, Linette Penney, Laura Abbatangelo, Hira Cheema, Edyta Marcon

Notice bibliographique

RevueJournal of Clinical and Translational Science · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMental healthPsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Objectives/Goals: Our goal for this project is to develop a metric that integrates the intersectional social and structural determinants of health and well-being into the existing policy development framework to impact the integration of such considerations on population mental health. Methods/Study Population: This project was developed from a case study module offered by the Translational Research Program at the University of Toronto. This course was designed to sharpen contextual inquiry skills and further develop a case through employing strategies, including outreach engagement with stakeholders, conducting informational interviews and formulating potential pathways forward based on the integration of insights from interdisciplinary perspectives. Results/Anticipated Results: The anticipated outcome would be improved mental health outcomes as measured by the Mental Health Commission of Canada’s Mental Health Indicators (Mental Health Commission of Canada, 2015) Discussion/Significance of Impact: Although there are established mental health indicators and policy development framework the two operate independently of each other. Our proposal bridge the gap between the sectors so that one may inform the other, and they can collectively formulate reflective and representative policies.

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)0,011
score de la tête « metaresearch » (Gemma)0,015
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,726
Score d'incertitude au seuil0,842

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0230,013
Communication savante0,0120,004
Science ouverte0,0020,009
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,424
Tête enseignante GPT0,583
Écart entre enseignants0,159 · 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
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical and Translational ScienceMême sujetPrimary Care and Health OutcomesTravaux en français237 207