MétaCan
Menu
← Retour à la cohorte
Enregistrement W2205275752 · doi:10.1093/asj/sjv130

A Brief History of Evidence-Based Medicine (EBM) and the Contributions of Dr David Sackett

2015· article· en· W2205275752 sur OpenAlexaff
Achilleas Thoma, Felmont F. Eaves

Notice bibliographique

RevueAesthetic Surgery Journal · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Sciences Research and Education
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineEvidence-based medicineMEDLINEAlternative medicineMedical literatureHealth careFamily medicineMedical educationLawPathology

Résumé

récupéré en direct d'OpenAlex

In January 2007 the British Medical Journal contacted an online poll of its readers, and evidence-based medicine (EBM) was ranked seventh among the 15 most important milestones that shaped modern medicine. These 15 milestones included such things as the introduction of antibiotics, immunization, sanitation, and radiology.1 A Google search today on websites pertaining to anything evidence-based will be in the millions. EBM is defined as integration of the best research evidence with clinical expertise and patient values.2,3 An extension of EBM that is more relevant today is Evidence-Based Clinical Practice, which takes into account the healthcare setting and circumstances in which we practice.4 The EBM movement started in 1981 when a group of clinical epidemiologists at McMaster University (Hamilton, Ontario, Canada), led by David Sackett, published the first of a series of articles in the Canadian Medical Association Journal advising physicians how to appraise the medical literature.5 The actual term “evidence-based medicine” was first coined by Gordon Guyatt, the Program Director of Internal Medicine at McMaster University from 1990 to 1997, who was and one of Sackett's mentees in 1991.6

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)0,014
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,038
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,004
Études des sciences et des technologies0,0020,004
Communication savante0,0070,009
Science ouverte0,0020,004
Intégrité de la recherche0,0090,017
Charge utile insuffisante (le modèle a refusé de juger)0,0090,005

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 Opus0,496
Tête enseignante GPT0,491
Écart entre enseignants0,005 · 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
GenreSynthèse

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

En bref

Citations87
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAesthetic Surgery Journal→Même sujetHealth Sciences Research and Education→Travaux en français237 207→