Éditorial - Mobiliser les données probantes pour une meilleure action : de Maladies chroniques et blessures au Canada à Promotion de la santé et prévention des maladies chroniques
Bibliographic record
Abstract
Mobiliser les donne ´es probantes pour une meilleure action : de Maladies chroniques et blessures au Canada a `Promotion de la sante ´et pre ´vention des maladies chroniques Kerry Robinson, Ph.D., e ´ditrice, Promotion de la sante ´et pre ´vention des maladies chroniques au Canada Michelle Tracy, M.A., gestionnaire de la re ´daction, Promotion de la sante ´et pre ´vention des maladies chroniques au Canada La revue Promotion de la sante ´et pre ´vention des maladies chroniques au Canada : recherche, politique et pratique (PSPMC) (jusqu'a `pre ´sent Maladies chroniques et blessures au Canada [MCBC]) est ne ´e a ` Sante ´Canada en 1980 dans la discre ´tion, sous forme d'un « nouveau bulletin » ayant pour objet de publier « des articles concernant les maladies non transmissibles, comme le cancer et les maladies cardiaques, et d'autres causes de morbidite ´et de mortalite ´, comme les accidents, en tenant compte de divers aspects comme la recherche, la surveillance et la lutte » 1 .L'auditoire principal de cette nouvelle publication e ´tait constitue ´des quelque 300 a `400 professionnels canadiens participant directement ou indirectement a `des programmes en lien avec les maladies chroniques.* Les donne ´es de l'ASPC et de Sante ´Canada sont constitue ´es des ensembles de donne ´es qui sont (uniquement ou en collaboration) la proprie ´te ´de l'ASPC ou de Sante ´Canada, ou dont l'ASPC ou Sante ´Canada sont de ´positaires ou gardiens.Promotion de la sante ´et pre ´vention des maladies chroniques au Canada Recherche, politiques et pratiques
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 | 0.041 | 0.166 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.004 |
| Bibliometrics | 0.007 | 0.004 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.013 | 0.005 |
| Open science | 0.005 | 0.003 |
| Research integrity | 0.018 | 0.018 |
| Insufficient payload (model declined to judge) | 0.013 | 0.004 |
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".