The nuclear medicine and molecular medicine podcast. Multimedia continuing professional development
Notice bibliographique
Résumé
1051 Learning Objectives 1. Understand what a podcast is. 2. Illustrate the methods to obtain and listen to the podcast. 3. Be aware of specific areas that the podcast covers. 4. Learn about how to contribute to the podcast. 5. Discuss the future of podcasting and how it can be used to meet CPD requirements. Podcasting is a new type of automatic audio or video journal; it is perfectly suited for time effective delivery of information of specialised information to Nuclear medicine professionals. It is simply an audio (or video) file which is automatically sent to your computer, ipod or audio player whenever a new episode is created. Podcasting is an ideal complement / Supplement to traditional journals and conferences. The format is ideal for interviews and can help highlight salient points and direct the listener to published material for follow up. So far, there have been 34 episodes over 4 years with leading nuclear medicine practitioners. Sample episodes: Dr Paganelli, Italy, Breast Isotope therapy Dr Dadachova, USA, Viral Therapy Dr O9Brien, Canada, Molybdenum supply Dr Krishnamurthy, USA, Hepatobiliary Nuclear Medicine Dr Bacj, Sweden, V/Q SPECT. Prof Ben-Haim, UK, D-SPECT Dr Wakers, USA, Myocardial Perfusion Imaging and Diabetes Dr Strauss, USA, vulnerable plaque References: http://nuccast.com/ http://cardiac.nuccast.com/ M Avison, M Burniston 2006, 27(5):475-476 Nucl. Med. Comms. A complimentary internet based journal for the future-will this help support continuing professional development
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,400 | 0,142 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».