MétaCan
Menu
Retour à la cohorte
Enregistrement W2007678082 · doi:10.1097/00006416-200701000-00009

Osteoporosis Knowledge and Information Needs in Healthcare Professionals Caring for Patients With Fragility Fractures

2007· article· en· W2007678082 sur OpenAlexafffundabout
Lora Giangregorio, Pauline Fisher, Αλεξάνδρα Παπαϊωάννου, J.D. Adachi

Notice bibliographique

RevueOrthopaedic Nursing · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueBone health and osteoporosis research
Établissements canadiensHamilton Health SciencesSt. Joseph’s Healthcare HamiltonUniversity of Waterloo
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésOsteoporosisHealth careMedicineHealth professionalsFragility fractureRehabilitationFamily medicinePromotion (chess)NursingPhysical therapyBone mineral

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To evaluate osteoporosis knowledge and learning needs in healthcare professionals working with patients who have experienced or are at risk of fracture. SETTING: Multisite teaching hospital, Hamilton, Ontario. SAMPLE: Healthcare professionals working in the fracture clinics, orthopaedics, rehabilitation, and nuclear medicine department. METHOD: Completion of an Osteoporosis Knowledge Questionnaire and questions about learning needs and preferences. RESULTS: The major areas of knowledge deficit in this study were with topics related to health promotion and management specific to calcium needs and medications. CONCLUSIONS: The range of scores on the Osteoporosis Knowledge Questionnaire and the low scores on key questions suggest that there are opportunities to increase osteoporosis knowledge across a broad spectrum of healthcare providers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,269
Score d'incertitude au seuil0,471

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,349
Écart entre enseignants0,337 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations36
Publié2007
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueOrthopaedic NursingMême sujetBone health and osteoporosis researchTravaux en français237 207