Knowledge of Levels of Evidence Criteria in Orthopedic Residents
Notice bibliographique
Résumé
The purpose of the levels of evidence system is to provide a framework for critical evaluation of orthopedic literature. This rating system is based on guidelines from the Oxford Centre for Evidence-Based Medicine and is currently in use in several orthopedic surgery journals. The purpose of this study was to investigate resident knowledge of the levels of evidence criteria used in classification of clinical articles. Thirty-eight residents from 5 orthopedic surgery training programs, from year-in-training 3 to 5, determined the levels of evidence rating of 10 blinded articles representing all levels of evidence types in the orthopedic literature. Residents were then provided with a levels of evidence information sheet and asked to re-rate each article. The mean percentage correct for the initial rating was 29.5% and for the post-education rating was 41.3%, with significant improvement after levels of evidence education (P<.001). The year-in-training-3 group had the highest mean percentage correct for the average of both tests (46.7%) compared to year-in-training-4 (34.2%) and year-in-training-5 (25.4%). Residents were significantly more accurate scoring therapeutic (41.1% correct pre-levels of evidence; 51.6% post-levels of evidence) than prognostic studies (6.6% correct pre-levels of evidence; 28.9% post-levels of evidence) (P<.001). Residents graded the level of evidence correctly in fewer than half the papers. These findings indicate that resident knowledge of levels of evidence criteria is limited and suggest a need for more education in this area.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».