MétaCan
Menu
Retour à la cohorte
Enregistrement W2327692189 · doi:10.1097/bcr.0000000000000189

What’s in a Name? Recent Key Projects of the Committee on Organization and Delivery of Burn Care

2014· review· en· W2327692189 sur OpenAlexaff
William L. Hickerson, Colleen M. Ryan, Kathe M. Conlon, David Harrington, Kevin N Foster, Suzanne Schwartz, Narayan P. Iyer, Marc G. Jeschke, H. Haller, Lee D. Faucher, Brett D. Arnoldo, James C. Jeng

Notice bibliographique

RevueJournal of Burn Care & Research · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueWound Healing and Treatments
Établissements canadiensUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineSession (web analytics)WorkforcePlenary sessionSteering committeeLibrary scienceEngineering managementBusinessPolitical scienceEngineeringLaw

Résumé

récupéré en direct d'OpenAlex

The Committee for the Organization and Delivery of Burn Care (ODBC) was charged by President Palmieri and the American Burn Association (ABA) Board of Directors with presenting a plenary session at the 45th Meeting of the ABA in Palm Springs, CA, in 2013. The objective of the plenary session was to inform the membership about the wide range of the activities performed by the ODBC committee. The hope was that this session would encourage active involvement within the ABA as a means to improve the delivery of future burn care. Selected current activities were summarized by key leaders of each project and highlighted in the plenary session. The history of the committee, current projects in disaster management, regionalization, best practice guidelines, federal partnerships, product development, new technologies, electronic medical records, and manpower issues in the burn workforce were summarized. The ODBC committee is a keystone committee of the ABA. It is tasked by the ABA leadership with addressing and leading progress in many areas that constitute current challenges in the delivery of burn 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 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)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,127
Tête enseignante GPT0,436
Écart entre enseignants0,309 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
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

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Burn Care & ResearchMême sujetWound Healing and TreatmentsTravaux en français237 207