MétaCan
Menu
← Retour à la cohorte
Enregistrement W1964453130 · doi:10.5596/c13-011

Orthopaedic Surgical Content Associated with Resources for Clinical Evidence

2013· article· en· W1964453130 sur OpenAlexaffvenue
Sarah Turvey, Nasir Hussain, Laura Banfield, Mohit Bhandari

Notice bibliographique

RevueJournal of the Canadian Health Libraries Association / Journal de l Association de bilbiothèques de la santé du Canada · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Sciences Research and Education
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésSubspecialtyMedicineSpecialtyEvidence-based medicineOrthopedic surgeryMedical literatureSurgical proceduresMEDLINEDatabaseGeneral surgerySurgeryAlternative medicineFamily medicinePathologyComputer science

Résumé

récupéré en direct d'OpenAlex

Introduction: As evidence-based medicine is increasingly being adopted in medical and surgical practice, effective processing and interpretation of medical literature is imperative. Databases presenting the contents of medical literature have been developed; however, their efficacy merits investigation. The objective of this study was to quantify surgical and orthopaedic content within five evidence-based medicine resources: DynaMed, Clinical Evidence, UpToDate, PIER, and First Consult. Methods: We abstracted surgical and orthopaedic content from UpToDate, DynaMed, PIER, First Consult, and Clinical Evidence. We defined surgical content as that which involved surgical interventions. We classified surgical content by specialty and, for orthopaedics, by subspecialty. The amount of surgical content, as measured by the number of relevant reviews, was compared with the total number of reviews in each database. Likewise, the amount of orthopaedic content, as measured by the number of relevant reviews, was compared with the total number of reviews and the total number of surgical reviews in each database. Results: Across all databases containing a total of 13268 reviews, we identified an average of 18% surgical content. Specifically, First Consult and PIER contained 28% surgical content as a percentage of the total database content. DynaMed contained 14% and Clinical Evidence 11%, whereas UpToDate contained only 9.5% surgical content. Overall, general surgery, pediatrics, and oncology were the most common specialty areas in all databases. Discussion: Our findings suggest that the limited surgical content within these large scope resources poses difficulties for physicians and surgeons seeking answers to complex clinical questions, specifically within the field of orthopaedics. This study therefore demonstrates the potential need for, and benefit of, surgery-specific or even specialty-specific tools.

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)0,020
score de la tête « metaresearch » (Gemma)0,221
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
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 enseignants0,995
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,221
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0340,034
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,076
Tête enseignante GPT0,400
Écart entre enseignants0,324 · 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.

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

Citations2
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Canadian Health Libraries Association / Journal de l Association de bilbiothèques de la santé du Canada→Même sujetHealth Sciences Research and Education→Travaux en français237 207→