Développement d'indicateur d'accessibilité spatiale permettant l'investigation des inégalités socio-territoriales de santé à l'échelle fine
Notice bibliographique
Résumé
Je tiens tout d'abord à remercier vivement Séverine Deguen, pour avoir accepté de diriger ma thèse et pour la confiance que tu m'as accordée tout au long de ce travail.Merci de m'avoir donné l'opportunité de réaliser ce travail de recherche.Je tiens à te remercier également pour tes précieux conseils et ton aide.Merci de m'avoir épaulé et conseillé tout au long de ma thèse.Je remercie Marc Souris, mon co-directeur de thèse.Je te remercie profondément pour tes nombreux conseils pertinents, pour nos discussions et nos échanges qui ont apporté beaucoup de rigueur à mon travail et qui m'ont systématiquement permis d'améliorer la vision d'analyse spatiale.Merci à Béatrice Fervers et François Langevin pour avoir accepté d'être les rapporteurs de cette thèse.Merci aussi à Marc Guggia pour avoir accepté de faire partie de mon jury et d'examiner ce travail.Je remercie Nolwenn Le Meur et Wahida Kihal.Merci encore pour vos intérêts et vos contributions à mon travail.Je remercie Nicolas Rose, mon tuteur de thèse ainsi que tous les membres de mon comité de thèse, Denis Zmirou-Navier, Etienne Minvielle, et Michel Louazel, pour vos remarques et suggestions qui ont contribué à améliorer la qualité de ce travail.J'exprime ma profonde gratitude à l'EHESP, et notamment au directeur du département Méthodes quantitatives en santé publique (METIS) Olivier Grimaud.Merci de m'avoir offert l'opportunité de réaliser cette thèse en formation continue.Merci de m'avoir accordé la confiance sur l'organisation du travail et merci pour tes encouragements au quotidien.C'est une telle chance de pouvoir continuer à étudier, de pouvoir faire le lien entre les travaux quotidiens et cette thèse, et de pouvoir valoriser tout ce travail par un diplôme.Je tiens à remercier particulièrement Sahar Bayat, la directrice adjointe du département METIS.Merci de m'avoir accompagné toutes ces années, notamment pour les enseignements.Merci de m'avoir toujours encouragé, donné de l'assurance, poussé vers l'avant et donné de précieux conseils.Grâce à ton soutien, j'ai pu trouver un équilibre et assurer mon travail d'ingénieur informatique et cette thèse en même temps.Un grand merci également à Adélaïde, qui m'a supporté pendant ces 4 ans et demi de thèse dans notre bureau.Merci pour ta sympathie, ta compagnie, ta bonne humeur et ton sourire au quotidien.Tu es une véritable amie pour moi.Merci de m'avoir donné un si parfait exemple de doctorante modèle.Merci également d'avoir pris le soin de relire l'ensemble de mon manuscrit.Mes remerciements sincères à mes chers collègues, notamment à Nadine qui m'a aidé à résoudre toutes mes difficultés administratives.Merci pour ton écoute, ta sympathie et ton sourire au quotidien.Merci également à Cindy pour ton aide et ton partage.Et bien sur tous les autres 3.1.1Définition de la périnatalité et préoccupations de santé périnatales ........................... 3.1.2Inégalités sociales de santé de la population femmes enceinte ..............
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 | 0,011 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,004 |
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 ».