Additional file 1 of Developing a gender measure and examining its association with cardiovascular diseases incidence: a 28-year prospective cohort study
Notice bibliographique
Résumé
Additional File 1: Tables S1-S11. Table S1- Participant characteristics according the to sex, at baseline. Table S2- Associations between female sex at baseline and the 28-year CVD incidence. Table S3- Associations between gender tertiles at baseline and the 28-year CVD incidence after excluding psychosocial stressors at work and working hours, stratified by sex. Table S4- Associations between gender tertiles at baseline and the 28-year CVD incidence after excluding personality traits, stratified by sex. Table S5- Associations between gender-related variables at baseline and the 28-year CVD incidence, stratified by sex. Table S6- Associations between gender score across sextiles at baseline and the 28-year CVD incidence, stratified by sex. Table S7- Associations between gender tertiles at baseline and the 28-year CVD incidence, including all 16 gender-related variables, stratified by sex. Table S8- Frequency of the 16 gender-related variables for males and females. Table S9- Frequency of the 16 gender-related variables for males and females. Table S10- Frequency of the 16 gender-related variables for males and females. Table S11- Associations between the gender-related variables at the 8-year follow-up and sex, modelling the probability of being a female.
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 | 0,002 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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) | 0,659 | 0,059 |
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 ».