Évaluation des connaissances du réseau d’alerte de première ligne pour les troubles du spectre autistique dans une population nord-africaine (Tozeur, Tunisie)
Bibliographic record
Abstract
L’autisme est un handicap lourd. Le manque de données épidémiologiques en Tunisie a rendu difficiles les estimations. Dans la région de Tozeur, il n’y a pas de réseau valable de détection des TSA, ni de registre spécifique pour les autistes. Par cette étude, il a été essayé de dresser l’état des lieux dans la capacité des professionnels de première ligne (PPL) à détecter rapidement et précocement des TSA. Les résultats étaient comparables aux résultats des études réalisées dans les populations du Nigeria; Pakistan; et l’Arabie saoudite. En effet, le personnel de première ligne est peu formé dans le domaine, ce qui rend le diagnostic des TSA très tardif et la prise en charge inefficace. Ceci impose une formation continue du personnel de première ligne pour un diagnostic efficace et précoce. Ceci améliorera la qualité de vie des enfants avec TSA et leurs parents et diminuera les charges financières sur l’état pour la prise en charge des TSA.
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 | 0.013 | 0.033 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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 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".