Development of a search filter for identifying studies completed in primary care
Notice bibliographique
Résumé
BACKGROUND: Identifying articles relevant to primary care is challenging for busy clinicians. Setting specific search strategies can be used to help clinicians find pertinent studies in a timely fashion. OBJECTIVES: To develop search filters for identifying research studies of relevance to primary care in MEDLINE (OvidSP). METHODS: We conducted a search of MEDLINE (OvidSP) for articles published in five core medical journals at five yearly intervals. We identified a gold standard set of primary care relevant articles which was divided into two subsets. The first subset was used to identify frequently occurring words and phrases through textual analysis. Search filters were developed from these words and phrases and internally validated against records in the second subset. We evaluated the filters performance in a search for articles on two common primary care conditions in MEDLINE (OvidSP). RESULTS: Of the 12 045 articles retrieved, 9028 records were reviewed, of which 371 articles were relevant to primary care (gold standard). When the search filters generated from textual analysis were internally validated, filter specificity peaked at 99% with 60% sensitivity, 67% precision and 97% accuracy. When evaluated against a set of articles on two common primary care conditions, the best performing combination search filter specificity maximized at 99.7% with sensitivity reaching 15% (precision 90%; accuracy 89%). CONCLUSION: The best performing combination search filter works well in reducing the number of irrelevant papers retrieved in a MEDLINE (OvidSP) search if a busy clinician needs to focus on research relevant to primary care.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».