MétaCan
Menu
Retour à la cohorte
Enregistrement W2412100999 · doi:10.1093/ajhp/60.21.2250

Error rates for computerized order entry by physicians versus nonphysicians

2003· article· en· W2412100999 sur OpenAlexaffabout
Dorothy George, Nyanza Austin-Bishop

Notice bibliographique

RevueAmerican Journal of Health-System Pharmacy · 2003
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensFoothills Medical Centre
Organismes subventionnairesnon disponible
Mots-clésGeorge (robot)PharmacyPharmacistMedicineLibrary scienceHealth careFamily medicineFoothillsHistoryPolitical scienceGeographyCartographyArt historyComputer science

Résumé

récupéré en direct d'OpenAlex

Journal Article Error rates for computerized order entry by physicians versus nonphysicians Get access Dorothy George, B.SC.PHARM., Dorothy George, B.SC.PHARM. Patient Care Manager Pharmacy Department, Foothills Medical Centre, Calgary Health Region (CHR), Calgary, Alberta, Canada Address correspondence to Ms. George at the Pharmacy Department, Foothills Medical Centre, Calgary Health Region, 1403 29th Street, N.W., Calgary, Alberta, Canada T2N 2T9 dorothy.george@calgaryhealthregion.ca. Search for other works by this author on: Oxford Academic Google Scholar Nyanza Austin-Bishop, B.SC.PHARM. Nyanza Austin-Bishop, B.SC.PHARM. Anticoagulation Management Pharmacist, Outpatient Pharmacy, Peter Lougheed Centre, CHR; at the time of this study she was a pharmacy resident, CHR Search for other works by this author on: Oxford Academic Google Scholar American Journal of Health-System Pharmacy, Volume 60, Issue 21, 1 November 2003, Pages 2250–2252, https://doi.org/10.1093/ajhp/60.21.2250 Published: 01 November 2003

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,415
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,063
Tête enseignante GPT0,476
Écart entre enseignants0,412 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations11
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Health-System PharmacyMême sujetElectronic Health Records SystemsTravaux en français237 207