Online Tools for Teaching Evidence-Based Veterinary Medicine
Notice bibliographique
Résumé
Evidence-based veterinary medicine (EBVM) is of interest and relevance to veterinary practitioners. Consequently, veterinary schools take responsibility for teaching students how to appraise scientific articles and for equipping them with the skills needed to obtain and evaluate the best evidence and to apply this approach to their own cases. As part of our farm animal clinical rotation, we train students in qualitative and quantitative EBVM methods using an e-learning environment, online teaching materials, a wiki (a Web site that allows its users to edit its content via a Web browser), and face-to-face tutorials that support learning. Students working in small groups use a wiki to record details of the history, clinical presentation, diagnostic tests, herd data, and management plans for their chosen farm animal clinical cases. Using a standardized patient, intervention, comparison, and outcome (PICO) format, each group formulates a patient question based on either a proposed intervention or diagnostic procedure for the case and conducts an online scientific literature database search. The students appraise the articles retrieved using EBVM approaches and record the information in the wiki. The summation of this body of work, the group's critically appraised topic (CAT), includes the original PICO, a standardized table of the scientific evidence for the effectiveness of the intervention or diagnostic procedure, a summary statement in the form of a clinical bottom line, and their reflections upon the CAT. At the end of the rotation, students take part in a structured "CAT Club" where they present and discuss their findings with fellow students and clinicians.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».