Additional file 1 of Quantifying the magnitude of the general contextual effect in a multilevel study of SARS-CoV-2 infection in Ontario, Canada: application of the median rate ratio in population health research
Notice bibliographique
Résumé
Supplementary Material 1: Additional file 1: Figure S1, Ontario FS, Area (FSA), Map, Table S. Definitions of census-based area characteristics: constructs, statistical units, and operational definitions using the Ontario, Canada, census area profiles, 2016. Figure S2. Schematic diagram of the aggregated data structure used with Poisson multilevel models. Table S2. Ontario population study flow table. Figure S3. Graphical assessment of the linearity assumption of the FSA census-based continuous variables and the rate of SARS-CoV-2 infection using restricted cubic splines in the fully adjusted multilevel Poisson regression. Figure S4. Raw and Pearson Residuals vs Predicted Values Plots. Table S3. COVID-19 Wave 1 Analysis: Sequential multilevel Poisson count regression models for individuals with a SARS-CoV-2 infection in Ontario, Canada between March 1, 2020, and July 31, 2020. Table S4. COVID-19 Wave 2 Analysis: Sequential multilevel Poisson count regression models for individuals with a SARS-CoV-2 infection in Ontario, Canada, between August 1, 2020, and March 1, 2021. Table S5. COVID-19 Wave 3 Analysis: Sequential multilevel Poisson count regression models for individuals with a SARS-CoV-2 infection in Ontario, Canada, between March 2, 2021, and May 1, 2021. Table S6. Dissemination Area Sensitivity Analysis: Sequential multilevel Poisson count regression models for individuals with a SARS-CoV-2 infection in Ontario, Canada, between March 1, 2020, and May 1, 2021 (PDF 619 kb).
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 | 0,003 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,737 | 0,060 |
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 ».