CIHR Candrive Cohort Comparison with Canadian Household Population Holding Valid Driver’s Licenses
Bibliographic record
Abstract
RÉSUMÉ Nous avons examiné si l’échantillonnage de commodité est une méthode appropriée pour recruter un échantillon de conducteurs âgés représentatif de la population des conducteurs canadiens âgés. En utilisant des tests d’équivalence, nous avons comparé un grand échantillon de commodité de conducteurs âgés (de la cohorte Candrive II) à une population de conducteurs canadiens d’âges similaires. L’échantillon Candrive est constitué de 928 conducteurs âgés habitant dans l’une de sept régions métropolitaines du Canada. Les données démographiques relatives à la population canadienne ont été obtenues à partir de l’Enquête sur la santé dans les collectivités canadiennes – Vieillissement en santé (ESCC-VS), basé sur un échantillon représentatif de Canadiens âgés. Les données pour les conducteurs âgés de 70 ans et plus ont été extraites de la base de données de l’ESCC-VS, pour un total de 3,899 conducteurs canadiens âgés. Les deux échantillons que nous avons comparés se sont avérés équivalents en ce qui a trait aux variables socio-démographiques, relatives à la santé et à la conduite à l’exception de la fréquence d’utilisation de la voiture. Nous concluons qu’en dépit de quelques différences, l’échantillonnage de commodité utilisé dans l’étude Candrive a créé un échantillon suffisamment représentatif des conducteurs âgés au Canada.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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 teacher head, 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".