Copyright: Section on Person-centered Clinical Care Person-centered medicine from deep inside: personal
Notice bibliographique
Résumé
I myself have suffered from serious mental illness. This is my story of suffering and recovery. In the year of 2006, I volunteered as a Face of Mental Illness Awareness Week, a Canada wide anti-stigma public service campaign organized—in part—by the Canadian Psychiatric Association [1]. I voluntarily chose to do this public service to fight against the stigma of mental illness. This stigma against illnesses of the mind/brain are the result of both internal stigma (self-stigma), and external stigma (social stigma [2]) and both types of stigma are especially strong in the field of medicine [3]. It is very difficult to know how to describe how depression really feels. So I’ll try to get some much needed assistance from the author Franz Kafka [4]; the painter Salvador Dali; and by using the lyrics of the Beatle John Lennon [5]. A student taking a science degree in college I suffered from what is sometimes called double depression. For a while I functioned fairly well externally: meaning only that I could put one foot in front of other and wasn’t actually flunking out. I did not realize at the time that I was suffering a serious combination of two depressive disorders. I was unlucky enough to be afflicted with a newly diagnosed case of major depressive disorder, yet also—in addition to this very unwelcomed bio-psych-brain condition—I was also suffering a preexisting—more chronic depressive condition called dysthymia. It was not quite a second dose of destructive depressive despair, but it sure felt that way.
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 | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,012 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,587 | 0,370 |
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 ».