Additional file 1 of Temperature variability and common diseases of the elderly in China: a national cross-sectional study
Notice bibliographique
Résumé
Additional file 1: Fig. S1. Scatter plot of relationship between TV in 2010–14 and prevalence of diseases and conditions in China. TV, temperature variability. Fig. S2. Scatter plot of relationship between TV in 2011–14 and prevalence of diseases and conditions in China. TV, temperature variability. 4. Fig. S3. Scatter plot of relationship between TV in 2012–14 and prevalence of diseases and conditions in China. TV, temperature variability. Fig. S4. Scatter plot of relationship between TV in 2013–14 and prevalence of diseases and conditions in China. TV, temperature variability. Fig. S5. Non-linear dose-response relationship between TV in 2010–14 and diseases and conditions in China. TV, temperature variability. Fig. S6. Non-linear dose-response relationship between TV in 2011–14 and diseases and conditions in China. TV, temperature variability. Fig. S7. Non-linear dose-response relationship between TV in 2012–14 and diseases and conditions in China. TV, temperature variability. Fig. S8. Non-linear dose-response relationship between TV in 2013–14 and diseases and conditions in China. TV, temperature variability. Fig. S9. Non-linear dose-response relationship between TV in 2014 and diseases and conditions in China. TV, temperature variability. Table S1. List of monitoring stations in 181 cities of 30 provinces. Table S2. Risk (Odds ratio, OR) for all diseases associated with every 1 °C increase in TV during 2014. Table S3. Risk (Odds ratio, OR) for all diseases associated with every 1 °C increase in TV during 2010–2014. Table S4. Risk (Odds ratio, OR) for all diseases associated with every 1 °C increase in TV during 2011–2014. Table S5. Risk (Odds ratio, OR) for all diseases associated with every 1 °C increase in TV during 2012–2014. Table S6. Risk (Odds ratio, OR) for all diseases associated with every 1 °C increase in TV during 2013–2014. Table S7. Results of sensitivity analyses for TV 2014 using different df for mean temperature and mean relative humidity. Table S8. Results of sensitivity analyses for TV 2010–2014 using different df for mean temperature and mean relative humidity. Table S9. Results of sensitivity analyses for TV 2011–2014 using different df for mean temperature and mean relative humidity. Table S10. Results of sensitivity analyses for TV 2012–2014 using different df for mean temperature and mean relative humidity. Table S11. Results of sensitivity analyses for TV 2013–2014 using different df for mean temperature and mean relative humidity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,387 | 0,016 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».