Réduire les facteurs de risques associés aux maladies cardiovasculaires chez les membres du personnel de l’Université de Moncton
Bibliographic record
Abstract
Être en santé est plus important que jamais. L’alimentation saine, l’exercice régulier, la gestion du stress et les examens de dépistages précoces ne sont que quelques exemples contribuant au maintien d’un état de mieux-être. Malheureusement, 60 % des canadiens sont inactifs et un quart d’eux souffrent d’obésité les prédisposant ainsi aux maladies cardiovasculaires (MCV) (Agence canadienne de santé publique, 2011b ; Fondation des maladies du coeur du Canada, 2012 ; Statistique Canada, 2011). Le comité de mieux-être universitaire offre, en interdisciplinarité, diverses activités de promotion de la santé et de prévention des maladies. Cet article présente la synthèse des données obtenues lors de trois cliniques de dépistage. Grâce aux mesures obtenues à six stations, les membres du personnel connaissent leur risque d’être atteints de MCV, particulièrement en lien avec l’adiposité et la cholestérolémie. Nombreux éléments de succès associés à l’activité sont présentés en plus des recommandations.
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 | 0.005 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".