Bibliographic record
Abstract
Zusammenfassung: Gesundheit ist ebenso wie Krankheit kein statistischer Zustand, sondern ein dynamischer Prozeß, der unter anderem von inneren und äußeren Ressourcen, von Möglichkeiten, die dem einzelnen mitgegeben sind oder nicht, abhängig ist. Unter Gesundheitsverhalten verstehen wir all das, was der Einzelne dazu beiträgt, sein vorhandenes Gesundheitspotential zu fördern oder zu entwickeln. Dies schließt alle vorbeugenden Maßnahmen und Verhaltensweisen ein, die zur Verhütung oder frühen Erfassung einer Krankheit beitragen. Die Medizin ist traditionell auf das Erfassen von Krankheitsursachen und -prozessen ausgerichtet und hat jenes Verhalten, das primär gesundheitsförderlich ist, noch nicht in gleichem Maße untersucht. Das zeigt sich selbst am Präventionskonzept, das mit seiner primären Prävention, seiner sekundären (Behandlung) und tertiären (Rehabilitation) noch unmittelbar am Krankheitsmodell orientiert ist. Gesundheitsförderung jedoch zielt – wie in der Ottawa Charta 1986 festgelegt – auf einen Prozeß, allen Menschen ein höheres Maß an Selbstbestimmung über ihre Gesundheit zu ermöglichen und sie damit zur Stärkung ihrer Gesundheit zu befähigen. Aktives, gesundheitsförderndes Handeln geht somit weit in Politik und Lebenswelt hinein und umfaßt grundlegende Bedingungen wie Frieden, angemessene Wohnbedingung, Bildung, Ernährung, stabiles Ökosystem, sorgfältige Verwendung vorhandener Naturressourcen, soziale Gerechtigkeit und Chancengleichheit.
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 | 0.010 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.002 | 0.007 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.039 | 0.009 |
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".