MétaCan
Menu
Retour à la cohorte
Enregistrement W2139869965 · doi:10.2350/12-12-1286-misc.1

Fellowship Training in Pediatric Pathology: A Guide for Program Directors

2013· article· en· W2139869965 sur OpenAlexaff
Raja Rabah, Gino R. Somers, Jessica Comstock, John J. Buchino, Charles F. Timmons

Notice bibliographique

RevuePediatric and Developmental Pathology · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSubspecialtyAccreditationGraduate medical educationSpecialtyMedical educationMedicineMedical physicsPathology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The Accreditation Council for Graduate Medical Education (ACGME) has provided guidance for specialty and subspecialty fellowship training programs by defining 6 core competencies that must be met. Furthermore, the ACGME has defined several program requirements for pathology training, including those applicable to several pathology subspecialties. However, the requirements are broad and lack specific details, particularly as they pertain to the unique nature of pediatric pathology. The Fellowship Committee of the Society for Pediatric Pathology examined the ACGME requirements and interpreted the guidelines with respect to their application to training in pediatric pathology. The Committee worked within the ACGME guidelines to provide an expanded and more comprehensive set of guidelines for use by pediatric pathology fellowship directors and trainees. The resultant document lists the educational goals, core competencies, and program requirements with specific application to pediatric pathology. In addition, methods for assessing and documenting the progress of the individual trainees as they progress through each requirement are provided. It is to be emphasized that many of the guidelines set forthwith are flexible, and allowances should be made for individual differences of each training program.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,243
Score d'incertitude au seuil0,686

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,025
Tête enseignante GPT0,316
Écart entre enseignants0,291 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePediatric and Developmental PathologyMême sujetInnovations in Medical EducationTravaux en français237 207