Un système de surveillance écologique de la santé des enfants (SSESE) pour l’obésité infantile : étude de faisabilité
Bibliographic record
Abstract
Objectif Évaluer la pertinence d’un système écologique de surveillance de l’obésité infantile. Méthodologie Des données transversales qualitatives et quantitatives ont été recueillies auprès de 31 représentants issus de 28 organismes ou services au sein de trois collectivités choisies dans la région sanitaire d’Edmonton (Capital Health) en Alberta, Canada. Résultats Tous les représentants interrogés ont affirmé être au courant du problème de l’obésité infantile et 36 % ont déclaré prendre part à des initiatives visant à le contrer. Des données utiles à un tel système de surveillance existent, mais elles ne sont pas dans un format adéquat et les lois sur la protection des renseignements personnels posent des obstacles énormes. L’intérêt pour créer et soutenir un système de surveillance à caractère écologique s’est révélé faible (18 %). Conclusion Les données disponibles étant hétérogènes et la vision nécessaire pour créer et entretenir un tel système de surveillance étant absente, la mise en place de ce dernier risque d’être compromise. Il faudrait, pour lutter à long terme contre le problème de l’obésité infantile, qu’un vaste éventail d’organismes sensibilisés à la question se concertent pour mettre sur pied un système de surveillance.
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 | 0.034 | 0.047 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.007 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".