MétaCan
Menu
Retour à la cohorte
Enregistrement W2044870449 · doi:10.1300/j069v19n02_04

Identifying Office Resource Needs of Canadian Physicians to Help Prevent, Assess and Treat Patients with Substance Use and Pathological Gambling Disorders

2000· article· en· W2044870449 sur OpenAlexaffabout
Margo Rowan, Colleen S. Galasso

Notice bibliographique

RevueJournal of Addictive Diseases · 2000
Typearticle
Langueen
DomainePsychology
ThématiqueGambling Behavior and Treatments
Établissements canadiensCanadian Medical AssociationDalhousie University
Organismes subventionnairesnon disponible
Mots-clésSubstance useMedicinePathologicalFamily medicineFocus groupPsychiatryBusinessPathology

Résumé

récupéré en direct d'OpenAlex

A study was conducted to determine whether there is a need for office-based resources to assist physicians in the prevention, assessment and/or management of patients, self and peers with substance use (excluding alcohol and tobacco) or pathological gambling disorders. The needs assessment was undertaken in three parts. Survey information was collected from 54 respondents including Executive Directors of the Canadian Medical Association's national affiliates and provincial/territorial Divisions, Deputy Ministers of Health, Registrars of provincial/territorial licensing bodies and Deans or Associate Deans of Continuing Medical Education programs in universities. Key informant interviews were conducted with 22 "experts" in the field of substance use and/or pathological gambling disorders. Focus groups were held in Vancouver, Toronto, Ottawa, Montreal and Halifax with 34 physicians who are interested in and whose caseload included patients with substance use and/or gambling disorders. Results suggest that current resources for both substance use and pathological gambling disorders are inadequate for physicians because there are gaps in the types activities and resources available, existing resources have not been effectively diffused or disseminated to physicians and training is needed to complement these resources to encourage proper implementation.

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)0,000
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 enseignants0,018
Score d'incertitude au seuil0,538

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,060
Tête enseignante GPT0,320
Écart entre enseignants0,259 · 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

Citations23
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Addictive DiseasesMême sujetGambling Behavior and TreatmentsTravaux en français237 207