Inadequate Presentation of Evidence in an Internal Medicine Conference
Notice bibliographique
Résumé
Background Studies have found that physicians are more likely to consider therapy effective when information is presented in relative terms (e.g., RRR, OR, HR) rather than in absolute terms (ARR, NNT). In an earlier study of family physician (FP) therapeutics conferences, we found that speakers presented data more frequently in relative than absolute terms, but most frequently in general terms such as frequencies, percentages, graphs, and P-values with no data. Objectives To study a national internal medicine conference and determine 1) how completely research data supporting therapeutic recommendations is reported in relative and absolute terms; and 2) how well learners and speakers understand relative and absolute terms. Methods We videotaped and analyzed 14 presentations from the 2011 Canadian Society of Internal Medicine Annual Scientific Meeting. Learners and teachers at the meeting completed an online statistical comprehension survey. Results Of 549 slides we analyzed, 148 made therapeutic recommendations and 145 presented research data. Of those 145 slides, 81% presented data in general terms, 31% in relative terms, and 3% in absolute terms. For RRR, ARR, NNT and CI, approximately 40% of learners and 50% to 70% of speakers considered they understood these terms well enough to explain to them to others. Approximately 35% of learners and 43% of speakers answered questions about RRR, ARR, NNT, OR and HR correctly. Conclusions Learners who attended this conference were not provided with the statistical information they needed to make fully informed therapeutic decisions. There was inadequate knowledge of basic statistical terms among both learners and teachers.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».