POHEM : une approche inédite pour l’estimation de l’espérance de vie corrigée en fonction de l’état de santé
Bibliographic record
Abstract
Cet article présente une méthode générale pour estimer l'espérance de vie des individus redressée en fonction des variations de l'état de santé; cette méthode peut être désignée comme le modèle de santé de la population POHEM. Nous abordons des notions comme « l'espérance de vie sans incapacité » et examinons la méthodologie des tables de survie, sur laquelle reposent les indices de ce genre. La méthode de microsimulation POHEM permet de contourner les difficultés liées à ces indices et aux méthodes par lesquelles ils sont calculés. Nous présentons des résultats expérimentaux tirés de POHEM et faisons valoir que cette méthode n'est pas extrêmement complexe. Beaucoup de pays pourraient s'en servir pour calculer, à partir de données déjà connues, des indices d'espérance de vie redressée en fonction de l'état de santé. En outre, POHEM présente les caractéristiques nécessaires pour intégrer toute une série de données sur la santé et produire un groupe d'indices de santé majeurs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".