L'influence des précipitations nivales et de la température sur les cas d'infarctus du myocarde au Québec l'approche géomatique
Bibliographic record
Abstract
La réaction du corps humain à un effort physique ou à de [i.e. des] températures froides prédispose le système cardio-vasculaire, s'il est en mauvais état, à subir un infarctus du myocarde. Les facteurs physiques et humains ont une référence spatio-temporelle et peuvent donc être analysés avec les outils de la géomatique. Ce projet de recherche vise à vérifier l'existence d'un lien entre deux facteurs physiques, soit les précipitations nivales et les températures froides extrêmes, et l'incidence d'hospitalisation pour un infarctus du myocarde en utilisant les outils de la géomatique. Pour ce faire, il faut tout d'abord effectuer l'analyse des besoins sur la maladie et l'environnement. Il faut ensuite identifier les variables en cause, vérifier l'existence des données existantes et les structurer de manière à être utilisées dans la base de données à définir et à réaliser au niveau conceptuel et logique. La variable dépendante représente les cas d'infarctus du myocarde et les variables indépendantes sont les accumulations de neige et la température"--Résumé abrégé par UMI.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| 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".