Notice bibliographique
Résumé
Commentary on the paper by Riordan et al It has become axiomatic that high quality health care requires application of the best available evidence in the context of the individual patient’s situation. Medical schools and residency training programmes are required to provide training in critical appraisal of the literature, and no self respecting guideline would claim to be other than “evidence based”. In spite of this wide acceptance of evidence based medicine as the right thing to do, it is clear, from studies such as the one by Riordan et al in this issue, that we are just not quite there yet.1 These investigators wondered whether “best paediatric evidence” was accessible and used by on-call doctors working at inpatient paediatric and neonatal units. What they found was perhaps predictable: the sources they defined as “best paediatric evidence” were generally accessible, but they were not often used. Other studies suggest that the problem is widespread: only a minority of Canadian internists reported using evidence based information sources,2 and similar results were found on a survey of family practitioners in New Zealand.3 Fewer than 5% of Australian general practitioners had ever used the Cochrane Library in 1999.4 Insufficient time, inadequate skills, and limited access to evidence are the most commonly cited reasons that physicians give for not seeking and using evidence more consistently.5 The practice of evidence based medicine has been conceptualised as a five step process: recognising information needs and describing them in well formulated clinical questions; efficiently finding information; critically appraising the information; applying the …
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 | 0,034 | 0,207 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,012 |
| Communication savante | 0,008 | 0,016 |
| Science ouverte | 0,013 | 0,004 |
| Intégrité de la recherche | 0,054 | 0,075 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,009 |
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 ».