MétaCan
Menu
Retour à la cohorte
Enregistrement W2168901200 · doi:10.1001/jama.284.3.357

Users' Guides to the Medical Literature

2000· article· en· W2168901200 sur OpenAlexaff
Mita Giacomini

Notice bibliographique

RevueJAMA · 2000
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineViewpointsHarmData collectionQualitative researchRaw dataProcess (computing)Experiential learningQualitative propertyResearch designApplied psychologyData scienceManagement scienceSocial psychologyPsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

Quantitative research is designed to test well-specified hypotheses, determine whether an intervention did more harm than good, and find out how much a risk factor predisposes persons to disease. Equally important, qualitative research offers insight into emotional and experiential phenomena in health care to determine what, how, and why. There are 4 essential aspects of qualitative analysis. First, the participant selection must be well reasoned and their inclusion must be relevant to the research question. Second, the data collection methods must be appropriate for the research objectives and setting. Third, the data collection process, which includes field observation, interviews, and document analysis, must be comprehensive enough to support rich and robust descriptions of the observed events. Fourth, the data must be appropriately analyzed and the findings adequately corroborated by using multiple sources of information, more than 1 investigator to collect and analyze the raw data, member checking to establish whether the participants' viewpoints were adequately interpreted, or by comparison with existing social science theories. Qualitative studies offer an alternative when insight into the research is not well established or when conventional theories seem inadequate. JAMA. 2000;284:357-362

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,024
score de la tête « metaresearch » (Gemma)0,140
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,976
Score d'incertitude au seuil0,831

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,140
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0440,043
Études des sciences et des technologies0,0020,002
Communication savante0,0040,006
Science ouverte0,0050,005
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,4170,238

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 Opus0,328
Tête enseignante GPT0,651
Écart entre enseignants0,322 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations924
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMAMême sujetHealth Policy Implementation ScienceTravaux en français237 207