Sveriges framväxt och internationella bidrag till folkhälsa och miljö
Bibliographic record
Abstract
I denna artikel ges först ett försök till beskrivning av förändringarna som präglat Sverige under de senaste 100 åren från ett jordbruks- till dagens postindustriella samhälle. Hälso- och sjukdomspanoramat har förändrats under de senaste 100 åren beroende på utseendet av samhället. Vid förra sekelskiftet dominerades ohälsopanoramat av infektionssjukdomar. Idag domineras de flesta industriländer av en hög förekomst av kroniska sjukdomar som hjärt- och kärlsjukdomar och cancer. Dessa sjukdomar har successivt minskat sedan 1980 talet. Det postindustriella samhället domineras alltmer av psykosomatiska besvär och i Sverige också av stora skillnader i sjuklighet mellan kvinnor och män för t.ex. stress där det finns en kraftig överrepresentation för kvinnor. Den andra delen av artikeln beskriver Sveriges bidrag till bättre hälsa och miljö i ett internationellt perspektiv med samarbete med främst WHO. Dess strategi Hälsa för alla drivs bl.a. genom en rad konferenser i hälsofrämjande arbete (Health Promotion) med start i Ottawa 1986. Konferenserna har varit viktiga för att föra upp strategiska frågor på den hälsopolitiska agendan och varit policyskapande motorer för en positiv hälsoutveckling inom länder och i organisationer. Den 3:e konferensen hölls i Sundsvall 1991 med temat skapa stödjande miljöer för hälsa. Även den 8:e världshälsokonferensen i Helsingfors 2016 med tema Hälsa i all politik genomfördes i Norden.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.003 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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; both teacher heads agree on what is shown here.
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".