MétaCan
Menu
Back to cohort
Record W3128824650 · doi:10.14745/ccdr.v47i01a12f

Gérer la douleur et la peur : Jouez vos « cartes» pour améliorer l’expérience de vaccination

2021· article· fr· W3128824650 on OpenAlexaffvenue
Anna Taddio, Anthony N T Ilersich, C. Meghan McMurtry, Lucie M. Bucci, Noni E. MacDonald

Bibliographic record

VenueRelevé des maladies transmissibles au Canada · 2021
Typearticle
Languagefr
FieldMedicine
TopicIntramuscular injections and effects
Canadian institutionsDalhousie UniversityCanadian Communication AssociationUniversity of GuelphUniversity of WaterlooUniversity of Toronto
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

La plupart des vaccins sont administrés avec une aiguille, ce qui peut provoquer des douleurs et des réactions liées à la douleur, tels que la peur et l’évanouissement. À l’heure actuelle, les interventions visant à prévenir la douleur et les réactions connexes ne sont pas systématiquement intégrées dans le processus d’administration de vaccins, bien qu’elles contribuent aux expériences négatives de la vaccination et à la non-adhésion occasionelle. Cet article examine une nouvelle démarche pour l’administration de vaccins, appelée le système CARDMC. CARD est l’acronyme de Confort, Aide, Relaxation et Distraction, où chaque lettre est associée à une catégorie d’interventions fondées sur des preuves pour réduire la douleur, la peur et les réactions connexes. Le système CARD peut être intégré dans les activités habituelles de planification et d’administration des vaccinations dans de nombreux contextes afin d’améliorer l’expérience de vaccination et de réduire la douleur et la peur qui font obstacle à la vaccination. Les vaccinateurs de tous les milieux et les responsables des organisations sont invités à revoir leurs services de vaccination par rapport au système CARD afin de cerner les possibilités d’améliorer la qualité des soins fournis.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.572
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.001
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0020.000

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.

Opus teacher head0.008
GPT teacher head0.252
Teacher spread0.244 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2021
Admission routes2
Has abstractyes

Explore more

Same venueRelevé des maladies transmissibles au CanadaSame topicIntramuscular injections and effectsFrench-language works237,207