MétaCan
Menu
Retour à la cohorte
Enregistrement W1534581605 · doi:10.1300/j465v27n04_01

Medical Students' Knowledge About Alcohol and Drug Problems

2007· article· en· W1534581605 sur OpenAlexaffabout
Meldon Kahan, Deana Midmer, Lynn Wilson, Diane Borsoi

Notice bibliographique

RevueSubstance Abuse · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensSt Joseph's Health CentreUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésAddictionIntervention (counseling)PsychiatryAddiction medicineMedicinePsychologyBrief interventionSubstance useClinical psychology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To determine knowledge of a national sample of medical students about substance withdrawal, screening and early intervention, medical and psychiatric complications of addiction, and treatment options. METHODS: Based on learning objectives developed by medical faculty, twenty-two questions on addictions were included in the 1998 Canadian licensing examination. RESULTS: The exam was written by 858 medical students. The average score on the addiction questions was 64%. Students showed strong knowledge of the clinical features of medical complications. Specific knowledge gaps were identified for withdrawal treatment protocols, low-risk drinking guidelines, taking an alcohol history, substance-induced psychiatric disorders, and Alcoholics Anonymous. CONCLUSION: Medical students are knowledge-deficient around key learning objectives in addictions. The deficiencies were in areas of basic knowledge that could be learnt with little difficulty.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,953

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,323
Écart entre enseignants0,303 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSubstance AbuseMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207