Additional file 1 of Dental problems and chronic diseases in mentally ill homeless adults: a cross-sectional study
Notice bibliographique
Résumé
Additional file 1: Table S1. Univariate description of the baseline characteristics of the study participants, AH/CS Toronto Site. Table S2. Summary of the Imputed model performed for the study variables with missing data, AH/CS, Toronto Site. Figure S1. Comparison of the distribution of the observed, imputed and completed datasets in the first 10 (1 to 10/100) imputed datasets for the BMI variable. Table S3. Comparison of the proportions in the observed, imputed and completed dataset in the first 10 imputed datasets for the iron-deficiency anemia variable. Table S4. Comparison of the proportions in the observed, imputed and completed dataset in the first 10 imputed datasets for the stomach or intestinal ulcer variable. Table S5. Comparison of the proportions in the observed, imputed and completed dataset in the first 10 imputed datasets for the arthritis variable. Table S6. Comparison of the proportions in the observed, imputed and completed dataset in the first 10 imputed datasets for the thyroid problem variable. Table S7. Comparison of the proportions in the observed, imputed and completed dataset in the first 10 imputed datasets for the diabetes variable. Table S8. Comparison of the proportions in the observed, imputed and completed dataset in the first 10 imputed datasets for the liver disease (other than hepatitis) variable. Table S9. Comparison of the proportions in the observed, imputed and completed dataset in the first 10 imputed datasets for heart disease. Table S10. Comparison of the proportions in the observed, imputed and completed dataset in the first 10 imputed datasets for the kidney/bladder problems variable. Table S11. Comparison of the proportion in the observed, imputed and completed dataset in the first 10 imputed datasets for chronic bronchitis/emphysema variable. Table S12. Comparison of the proportions in the observed, imputed and completed dataset in the first 10 imputed datasets for the migraine variable. Table S13. Comparison of the proportions in the observed, imputed and completed dataset in the first 10 imputed datasets for the asthma variable. Table S14. Comparison of the proportion in the observed, imputed and completed dataset in the first 10 imputed datasets for the effect of stroke variable. Table S15. Comparison of the proportions in the observed, imputed and completed dataset in the first 10 imputed datasets for the dental problems variable. Table S16. Comparison of the proportions in the observed, imputed and completed dataset in the first 10 imputed datasets for the inflammatory bowel problems variable. Table S17. Comparison of the proportions in the observed, imputed and completed dataset in the first 10 imputed datasets for the hypertension variable. Table S18. Comparison of the proportions in the observed, imputed and completed dataset in the first 10 imputed datasets for the lifetime homelessness variable. Table S19. Comparison of the proportions in the observed, imputed and completed dataset in the first 10 imputed datasets for the ethno-racial group variable. Table S20. Comparison of the proportions in the observed, imputed and completed dataset in the first 10 imputed datasets for the education variable. Table S21. Comparison of the proportions in the observed, imputed and completed dataset in the first 10 imputed datasets for the smoking variable.
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 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,573 | 0,030 |
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 source (Gemma direct ou Codex distillé), 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 ».