MétaCan
Menu
Retour à la cohorte
Enregistrement W2530700849 · doi:10.1097/prs.0000000000002964

Toward Larger, More Definitive Trials: A North American Trainee-Led Research Collaborative

2016· letter· en· W2530700849 sur OpenAlexaffabout
Mona T. Al-Taha, Sarah Al‐Youha, Osama A. Samargandi, Helene Retrouvey, Michael Bezuhly

Notice bibliographique

RevuePlastic & Reconstructive Surgery · 2016
Typeletter
Langueen
DomaineMedicine
ThématiqueHealth and Medical Research Impacts
Établissements canadiensUniversity of TorontoDalhousie University
Organismes subventionnairesnon disponible
Mots-clésGeneralizability theoryRandomized controlled trialMedicineMedical educationFamily medicinePsychologySurgery

Résumé

récupéré en direct d'OpenAlex

Sir: High-quality randomized controlled trials are lacking in the plastic surgery literature, as indicated by Voineskos et al. in their recent publications: “A Systematic Review of Surgical Randomized Controlled Trials: Part I. Risk of Bias and Outcomes: Common Pitfalls Plastic Surgeons Can Overcome”1 and “A Systematic Review of Surgical Randomized Controlled Trials: Part 2. Funding Source, Conflict of Interest, and Sample Size in Plastic Surgery.”2 As our Canadian colleagues suggested, producing larger, more definitive trials in the field can be accomplished through increased engagement and collaboration.2 One method currently used to accomplish this goal in the United Kingdom is the implementation of trainee-led research collaboratives. The benefits of these networks include large-scale data collection and patient recruitment in a shorter period, decreased repetition, and greater generalizability of findings.3 At present, over 25 trainee-led research networks exist in the United Kingdom spanning multiple specialties. We have taken the lessons learned by our British colleagues to heart. Our team of plastic surgery trainees were the first to adopt the trainee-led research collaborative model in Canada and have been working nationally as a part of the Canadian Plastic Surgery Research Collaborative since September of 2015 (www.cansurg.org). This network has representation from all 13 Canadian academic plastic surgical training programs and their affiliated health centers. Our collaborative consists of over 30 resident physicians, medical students, and attending members. To date, we have completed one national project, and have three other multicenter studies ongoing (Fig. 1).4Fig. 1.: Implementing a multicenter study through a trainee-led research collaborative. ICMJE, International Committee of Medical Journal Editors.Since launching, our neurosurgery colleagues have also adopted this model and have established the Canadian Neurosurgery Research Collaborative. We anticipate that this model will continue to gain popularity as other specialties and countries adopt and implement trainee-led research networks. We hope that this may someday lead to the establishment of a North American collaborative as we work toward a common goal of improving the level of evidence in the plastic surgery literature. DISCLOSURE The authors have no financial interest to declare in relation to the content of this communication. Mona T. Al-Taha, B.B.A.Faculty of Medicine Sarah A. Al Youha, M.D. Osama Samargandi, M.D.Division of Plastic and Reconstructive SurgeryDalhousie UniversityHalifax, Nova Scotia, Canada Helene Retrouvey, M.D.C.M.Division of Plastic and Reconstructive SurgeryUniversity of TorontoToronto, Ontario, Canada Michael Bezuhly, F.R.C.S.C.Division of Plastic and Reconstructive SurgeryDalhousie UniversityHalifax, Nova Scotia, CanadaOn behalf of the Canadian Plastic Surgery ResearchCollaborative

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)0,822
score de la tête « metaresearch » (Gemma)0,827
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: Méthodes
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,178
Score d'incertitude au seuil0,255

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,8220,827
Méta-épidémiologie (sens strict)0,0030,005
Méta-épidémiologie (sens large)0,0110,010
Bibliométrie0,0110,011
Études des sciences et des technologies0,0120,019
Communication savante0,0380,051
Science ouverte0,0190,039
Intégrité de la recherche0,0410,060
Charge utile insuffisante (le modèle a refusé de juger)0,0120,006

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 Opus0,310
Tête enseignante GPT0,447
Écart entre enseignants0,137 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
DomaineMéthodes
GenreCommentaire

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

En bref

Citations1
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePlastic & Reconstructive SurgeryMême sujetHealth and Medical Research ImpactsTravaux en français237 207