MétaCan
Menu
Retour à la cohorte
Enregistrement W7099811241

Chlamydia screening practices among physicians and community nurses in

2016· article· en· W7099811241 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueArtificial Immune Systems Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChlamydiaTest (biology)Reproductive healthCommunity healthSexually transmitted diseaseGeneral practicePublic health
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Background. Yukon, a territory in northern Canada, has one of the highest reported sexually transmitted chlamydia infection rates in the country. Objective. We examined screening practices among physicians and community nurses to elucidate factors that may be contributing to the high rates. Design. Cross-sectional survey. Methods. A questionnaire was distributed to all physicians in Yukon and all community nurses in Yukon’s communities. We surveyed sexual health assessment frequency, chlamydia testing frequency and barriers to screening. Comparison of physician testing practices was performed to another Canadian jurisdiction, which previously undertook a similar survey. Survey results were compared to the available laboratory data in Yukon. Results. Eligible physicians and nurses, 79 % and 77%, respectively, participated in the survey. Physicians tested 15 to 24-year-old females more frequently than 15 to 24-year-old males for chlamydia (p0.007). Physicians who asked sexual health assessment questions were more likely to test for chlamydia in both females (pB0.001) and males (p0.032). More physicians screened females based on risk factors compared to males. General practice physicians in Yukon were more likely to test females for chlamydia than general practice physicians in Toronto, Canada (pB0.001). Community nurses had different testing patterns than

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,477
Score d'incertitude au seuil0,949

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,276
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetArtificial Immune Systems ApplicationsTravaux en français237 207