Presentation of evidence in continuing medical education programs: A mixed methods study *
Notice bibliographique
Résumé
INTRODUCTION: Clinical trial data can be presented in ways that exaggerate treatment effectiveness. Physicians consider therapy more effective, and may be more likely to make inappropriate practice changes, when data are presented in relative terms such as relative risk reduction rather than in absolute terms such as absolute risk reduction and number needed to treat. Our purpose was to determine (1) how frequently continuing medical education (CME) speakers present research data in relative terms compared to absolute terms; (2) how knowledgeable CME speakers and learners are about these terms; and (3) how CME learners want these terms presented. METHODS: Analysis of videotapes and PowerPoint slides of 26 CME presentations, questionnaire survey of CME speakers and learners, and focus groups with learners. RESULTS: Speakers presented data more frequently in relative than absolute terms, but most frequently in general terms such as frequencies, percentages, graphs, and P-values with no data. Of 1367 PowerPoint slides, 269 presented research data, and of these, 225 (84%) presented data in general terms, 50 (19%) in relative terms and 19 (7%) in absolute terms. CME speakers understood relative and absolute terms better than learners. Approximately 25-35% of speakers and 45-65% of learners could not correctly calculate relative risk reduction, absolute risk reduction, and number needed to treat. Learners wished to have these terms presented in CME programs in a consistent and easily understood format and requested a brief review of them at the beginning of CME programs. DISCUSSION: Presentation of research data in most CME programs is inadequate to allow learners to make fully informed therapeutic decisions. Speakers and learners need professional development to improve their presentation and understanding of research data.
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 | 0,239 | 0,398 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».