Un atlas interactif sur les inégalités de santé touchant les maladies chroniques et la santé mentale
Bibliographic record
Abstract
L’atlas interactif sur les inégalités de santé (AIIS) est un outil interactif en ligne, pour l’interrogation spatiotemporelle sur l’épidémiologie et le traitement des maladies chroniques et mentales ainsi que sur leur évolution. Basé sur une analyse de besoins auprès des décideurs et utilisateurs potentiels, ce système a été développé de façon à structurer et produire de l’information utile à l’aide d’une interface conviviale, en se servant des données médico-administratives disponibles. L’AIIS propose une information pertinente pour la compréhension des inégalités sociales et géographiques de santé observées pour l’infarctus du myocarde, les fractures ostéoporotiques, le diabète, les douleurs chroniques, la schizophrénie et les troubles de l’humeur. Les résultats des requêtes, présentés sous formes de cartes, de graphiques ou de tableaux, sont transmis rapidement grâce à des interfaces à contenu dynamique et sont accessibles en ligne. L’AIIS constitue un outil de choix pour les décideurs de la santé qui doivent avoir accès à une information complète et détaillée incluant, entre autres, celles sur les inégalités sociales et géographiques de santé de la population.
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 | 0.002 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.007 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.076 | 0.026 |
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".