What are the Clinical Questions of Practicing Veterinarians?
Notice bibliographique
Résumé
Clinical questions are central to learning among veterinarians and drive informal learning during clinical practice. We set out to classify the clinical questions of practicing veterinarians using a taxonomy previously validated in human medicine. This prospective observational study used a convenience sample of 12 veterinarians in private, small-animal practices. We used three methods to gather clinical questions from the veterinarians: direct observation (asking veterinarians after each encounter), self-report via e-mail, and self-report via data-collection pocket cards. We then classified these questions using a validated taxonomy of question types, as well as by clinical category. A total of 157 clinical questions were collected; 99 were about dogs, 33 were about cats, and 25 were about multiple species or did not specify a species. Nearly half of the questions were rated as high priority, and only 11.5% as low priority. Over half of the questions (53%) were about treatment and 20% were about diagnosis. The two most common question types were "Is drug X indicated in situation Y or for condition Y?" and "How should I treat finding/condition Y (given situation Z)?" Overall, 5 of 57 question-type categories accounted for over half of the questions. The most common clinical categories were pharmacology, endocrine, musculoskeletal, and general surgery. This is the first study to systematically identify and classify the clinical questions of veterinarians. A better understanding of these questions can be used to inform the development of continuing-education (CE) activities that are directly responsive to the information needs of participants.
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 | 0,007 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».