MétaCan
Menu
Retour à la cohorte
Enregistrement W2004103849 · doi:10.1016/s0161-4754(03)00012-5

User’s guide to the chiropractic literature-IA: how to use an article about therapy

2003· article· en· W2004103849 sur OpenAlexaff
Jason W. Busse, Gordon Guyatt, Mohit Bhandari, J. David Cassidy

Notice bibliographique

RevueJournal of Manipulative and Physiological Therapeutics · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueComplementary and Alternative Medicine Studies
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésChiropracticModalitiesMedicineAlternative medicineHealth careCritical appraisalClinical PracticeMedical educationFace (sociological concept)NursingSocial sciencePathologySociology

Résumé

récupéré en direct d'OpenAlex

Evidence-based practice is now a fundamental movement of established importance within health care, yet it remains a contentious concept for some chiropractors. Traditionally, chiropractic institutions have emphasized the development of clinical acumen over critical appraisal skills, 1 Keating J.C. Green B.N. Johnson C.D. “Research” and “science” in the first half of the chiropractic century. J Maniulative Physiol Ther. 1995; 18: 357-378 Google Scholar with the result that many practitioners may feel unequipped to interpret, or apply, the results of current literature to their everyday practices. Additionally, it can be difficult to incorporate the results of widely publicized studies that report equivocal or negative outcomes of modalities typically associated with chiropractic care (ie, manipulation) and which seem to fly in the face of positive clinical experience. Evidence-based practice is demanding a paradigm shift among all health care providers, and these concerns are not unique to chiropractic. CorrectionsJournal of Manipulative & Physiological TherapeuticsVol. 26Issue 6Preview Full-Text PDF

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)0,005
score de la tête « metaresearch » (Gemma)0,056
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil0,817

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,056
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0180,016
Études des sciences et des technologies0,0020,001
Communication savante0,0040,008
Science ouverte0,0030,005
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,4270,371

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 Opus0,402
Tête enseignante GPT0,443
Écart entre enseignants0,041 · 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'étudeSans objet
DomaineMéthodes
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

Citations7
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Manipulative and Physiological TherapeuticsMême sujetComplementary and Alternative Medicine StudiesTravaux en français237 207