MétaCan
Menu
Retour à la cohorte
Enregistrement W1915459250 · doi:10.1309/ajcp80repiugvxph

Yearly Clinical Laboratory Test Expenditures for Different Medical Specialties in a Major Canadian City

2015· article· en· W1915459250 sur OpenAlexafffundabout
Christopher Naugler, Roger E. Thomas, Tanvir Chowdhury Turin, Maggie Guo

Notice bibliographique

RevueAmerican Journal of Clinical Pathology · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical Laboratory Practices and Quality Control
Établissements canadiensCalgary Laboratory ServicesUniversity of Calgary
Organismes subventionnairesUniversity of Calgary
Mots-clésTest (biology)SpecialtyPer capitaMedicineFamily medicineMedical laboratoryRetrospective cohort studyCohortLaboratory testEnvironmental healthInternal medicineNursingPopulation

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Very little is known about the relative contributions of physician specialty groups and individual physicians to overall clinical laboratory expenditures. The objectives of this study were to determine the costs of clinical laboratory test expenditures attributable to 30 medical specialties and the associated per capita physician expenditures for an entire major Canadian city. Only chemistry, hematology, and microbiology tests were included in this study. METHODS: Retrospective cohort study involving all physicians in Calgary, Canada, and surrounding areas (n = 3,499) and secondary data on laboratory test orders. RESULTS: Data were obtained on approximately 20 million test requests. The mean clinical laboratory test expenditure, in Canadian dollars, per physician was $27,945 for all physicians combined. Total expenditures by primary care physicians (family physicians and general practitioners) accounted for 58% of total expenditures. CONCLUSIONS: There was wide variation in clinical laboratory test expenditures among specialties and on a per capita basis within medical specialties.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,039
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,136
Tête enseignante GPT0,479
Écart entre enseignants0,343 · 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 source (Gemma direct ou Codex distillé), 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

Citations21
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Clinical PathologyMême sujetClinical Laboratory Practices and Quality ControlTravaux en français237 207