MétaCan
Menu
← Retour à la cohorte
Enregistrement W2460073343 · doi:10.1118/1.4957825

WE‐DE‐BRC‐03: Failure Mode and Effect Analysis

2016· article· en· W2460073343 sur OpenAlexaff
Peter Dunscombe

Notice bibliographique

RevueMedical Physics · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésFault tree analysisSession (web analytics)Failure mode and effects analysisQuality managementQuality (philosophy)Computer scienceProcess (computing)Process managementMedical educationRisk analysis (engineering)Engineering managementOperations managementEngineeringMedicineReliability engineeringWorld Wide WebManagement system

Résumé

récupéré en direct d'OpenAlex

This SAMs Therapy Educational Course will introduce participants to the tools recommended by TG 100 for use in the development of a risk‐based Quality Management Program. The Course will start with an Overview of the background and rationale behind the TG 100 initiative, from which its charge was developed. After setting the scene, four 15 minute presentations will introduce the principal components of the soon to be published Report of TG 100. These are Process Mapping, Failure Modes and Effects Analysis, Fault Tree Analysis and the development of a QA/QM risk‐based Program. There will be time for two short exercises based on Failure Modes and Effects Analysis and a Discussion before the SAMs questions which will conclude the session. Learning Objectives: To appreciate the underlying philosophy of the TG 100 initiative. To gain a brief overview of the principal risk‐based tools recommended by TG 100. In an informal workshop format, to explore, at an introductory level, the use of risk analysis as proposed by TG 100 as a prelude to the development of a Quality Management Program.

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)0,007
score de la tête « metaresearch » (Gemma)0,012
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,180
Score d'incertitude au seuil0,603

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0030,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,1800,070

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 Opus0,140
Tête enseignante GPT0,408
Écart entre enseignants0,268 · 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
GenreAutre

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

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Physics→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→