MétaCan
Menu
Retour à la cohorte
Enregistrement W2379516287 · doi:10.1097/ceh.0000000000000012

Society for Academic Continuing Medical Education Intervention Guideline Series

2015· article· en· W2379516287 sur OpenAlexaffabout
Thomas J. Van Hoof, Rachel Grant, Craig Campbell, Lois Colburn, David Davis, Todd Dorman, Michael A. Fischer, Tanya Horsley, Virginia Jacobs-Halsey, Gabrielle Kane, Constance LeBlanc, Donald E. Moore, Robert Morrow, Curtis A. Olson, Ivan Silver, David C. Thomas, Mary G. Turco, Simon Kitto

Notice bibliographique

RevueJournal of Continuing Education in the Health Professions · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensRoyal College of Physicians and Surgeons of Canada
Organismes subventionnairesSociety for Academic Continuing Medical Education
Mots-clésTerminologyGuidelinePsychological interventionFacilitationIntervention (counseling)Continuing medical educationMedical educationSet (abstract data type)MedicineNursingAcademic detailingPlan (archaeology)Continuing educationPsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

The Society for Academic Continuing Medical Education commissioned a study to clarify and, if possible, standardize the terminology for a set of important educational interventions. In the form of a guideline, this article describes one such intervention, practice facilitation, which is a common strategy in primary care to help practices develop capacity and infrastructure to support their ability to improve patient care. Based on a review of recent evidence and a facilitated discussion with US and Canadian experts, we describe practice facilitation, its terminology, and other important information about the intervention. We encourage leaders and researchers to consider and build on this guideline as they plan, implement, evaluate, and report practice facilitation efforts. Clear and consistent use of terminology is imperative, along with complete and accurate descriptions of interventions, to improve the use and study of practice facilitation.

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)0,022
score de la tête « metaresearch » (Gemma)0,070
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: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,117

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,070
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,005
Bibliométrie0,0060,005
Études des sciences et des technologies0,0030,002
Communication savante0,0030,002
Science ouverte0,0060,003
Intégrité de la recherche0,0130,009
Charge utile insuffisante (le modèle a refusé de juger)0,0180,013

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 Opus0,082
Tête enseignante GPT0,536
Écart entre enseignants0,454 · 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
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

Citations5
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Continuing Education in the Health ProfessionsMême sujetPrimary Care and Health OutcomesTravaux en français237 207