MétaCan
Menu
Retour à la cohorte
Enregistrement W1941338377

Teaching pharmacotherapeutics to family medicine residents: a curriculum.

2008· article· en· W1941338377 sur OpenAlexaff
Jana Bajcar, Natalie Kennie‐Kaulbach, Karl Iglar

Notice bibliographique

RevuePubMed · 2008
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCurriculumAccreditationFormative assessmentMedical educationMedicineCurriculum developmentSession (web analytics)Family medicineNursingPsychologyPedagogyComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

PROBLEM BEING ADDRESSED: Medication prescribing is becoming increasingly complex, and the need for formal curricula in pharmacotherapeutics and medication prescribing in accredited family medicine residency programs has been advocated. OBJECTIVE OF PROGRAM: The main objective of the pharmacotherapeutic curriculum is to support the development of family medicine residents' pharmacotherapeutic knowledge and medication prescribing skills required for rational prescribing. PROGRAM DESCRIPTION: The curriculum has 4 main components: 1) a medication prescribing framework based on the main tasks and key decisions related to the prescribing of medications, 2) 12 pharmacotherapeutic topics identified in the needs assessment, 3) a 5-step process for session design used by the curriculum development team, and 4) a description of specific roles of facilitators involved in delivering the curriculum. Formative evaluation of the curriculum using resident focus groups has helped to inform the further development of its components. CONCLUSION: A formalized curriculum was created to build knowledge of pharmacotherapeutics and effective medication prescribing skills, which are necessary for the current complex environment of patient care and medication management.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,229
Tête enseignante GPT0,417
Écart entre enseignants0,188 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations9
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207