MétaCan
Menu
Retour à la cohorte
Enregistrement W2071333027 · doi:10.3138/jvme.33.3.382

Future Directions in Training of Veterinarians for Small Exotic Mammal Medicine: Expectations, Potential, Opportunities, and Mandates

2006· article· en· W2071333027 sur OpenAlexvenueno aff
Karen L. Rosenthal

Notice bibliographique

RevueJournal of Veterinary Medical Education · 2006
Typearticle
Langueen
DomaineHealth Professions
ThématiqueVeterinary Practice and Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMammalHuman medicineVeterinary medicineMedicineBiologyZoology

Résumé

récupéré en direct d'OpenAlex

Small exotic mammals have been companions to people for almost as long as dogs and cats have been. The challenge for veterinary medicine today is to decipher the tea leaves and determine whether small mammals are fad or transient pets or whether they will still be popular in 20 years. This article focuses on pet small-mammal medicine, as the concerns of the laboratory animal are better known and may differ profoundly from those of a pet. Dozens of species of small exotic mammals are kept as pets. These pet small-mammal species have historically served human purposes other than companionship: for hunting, for their pelts, or for meat. Now, they are common pets. At present, most veterinary schools lack courses in the medical care of these animals. Veterinary students need at least one required class to introduce them to these pets. Currently, there are no small-mammal-only residency programs. This does not correspond with current needs. The only way to judge current needs is by assessing what employers are looking for. In a recent JAVMA classified section, almost 30% of small-animal practices in suburban/urban areas were hiring veterinarians with knowledge of exotic pets. All veterinarians must recognize that pet exotic small mammals have changed the landscape of small-animal medicine. It is a reality that, today, many small-animal practices see pet exotic small mammals on a daily basis.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,651
Score d'incertitude au seuil0,482

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,420
Tête enseignante GPT0,485
Écart entre enseignants0,066 · 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'étudeAutre devis
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

Citations8
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Veterinary Medical EducationMême sujetVeterinary Practice and Education StudiesTravaux en français237 207