Development, improvement and funding of the emergency medicine cases open-access podcast
Notice bibliographique
Résumé
Internet-based medical education resources, such as podcasts, have increased in number and popularity in recent years, and are being integrated into all levels of medical training and continuing medical education.1,2 Podcasts may be more effective than traditional methods of instruction such as textbooks for learners who prefer auditory modes of learning.3 Social media, through which podcasts can be distributed, is defined as the social interaction among people through virtual communities. The term ‘Free Open-Access Medical EDucation' (FOAMed), coined in 2012, is a subset of social media relating to the “creation and exchange of user-generated [medical] content via virtual networks and communities”.4 It is growing rapidly, out of a desire by health care professionals for free medical education and as a means to stay current with the wide scope of EM literature.5,6 This article describes the creation of the Emergency Medicine Cases (EMC) podcast, as well as the innovative transformation that occurred as a result of its conversion to a free open-access resource and its partnership with an academic institution. Description of the Podcast EMC, which was created in 2010, is targeted at health care professionals working in the EM environment. In a monthly podcast, the host (ADH) poses clinical questions to guest experts, discussing current controversies and describing evidence-based treatments. Episodes cover broad-based and clinically relevant topics from atrial fibrillation to cognitive decision-making. Eighty-two three-hour podcasts have been produced to date, each accompanied by a written summary, and 46 five-minute ‘Best Case Ever’ capsules. Initially, EMC was offered on a subscription-only basis. As of March 2014, 1,680 health care providers had subscribed to EMC. As demand for free online education increased, however, a free open-access model was adopted in April 2014. To cover the significant ongoing costs of the program, EMC partnered in July 2014 with a non-profit academic institution in Toronto, Canada, dedicated to advancing the care of patients requiring emergency services. The social media presence of EMC was also increased.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,052 | 0,012 |
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 source (Gemma direct ou Codex distillé), 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 ».