MétaCan
Menu
Retour à la cohorte
Enregistrement W2612201374 · doi:10.15265/iy-2017-011

IMIA Accreditation of Biomedical and Health Informatics Education: Current State and Future Directions

2017· article· en· W2612201374 sur OpenAlexaff
Monique Jaspers, J. Mantas, Elizabeth M. Borycki, Arie Hasman

Notice bibliographique

RevueYearbook of Medical Informatics · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésAccreditationQuality assuranceHealth informaticsMedical educationQuality (philosophy)InformaticsPolitical scienceMedicineComputer scienceNursingPublic health

Résumé

récupéré en direct d'OpenAlex

Summary Objectives: The educational activities initiated by the International Medical Informatics Association (IMIA) have had global impacts and influenced national societies and local academic programs in the field of Biomedical and Health Informatics (BMHI). After the successful publication and dissemination of its educational recommendations, IMIA launched an accreditation procedure for educational programs in BMHI. The accreditation procedure was pilot tested by several BMHI academic programs in different countries and continents to obtain a global perspective. Methods: This paper presents an overview of IMIA quality assurance and accreditation procedures along with feedback on issues and problems which emerged during the pilot. Results: It appears that IMIA quality assurance and procedures worked quite well in different countries of Europe, the Middle East, South America, and Asia. These first experiences provided adequate information for adapting, modifying, and optimizing the procedures and finally for the planning of future activities. Conclusions: IMIA accreditation framework comprises a single set of standards that apply at various levels to both academic and professional BMHI programs. The pilot phase confirmed the robustness and generalizability of quality assurance standards and associated procedures on which IMIA accreditation is based at an international level.

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)0,068
score de la tête « metaresearch » (Gemma)0,047
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,932
Score d'incertitude au seuil0,359

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0680,047
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0020,004
Communication savante0,0090,007
Science ouverte0,0040,005
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,062
Tête enseignante GPT0,482
Écart entre enseignants0,420 · 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.

Devis d'étudeSans objet
DomaineÉvaluation
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

Citations21
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueYearbook of Medical InformaticsMême sujetElectronic Health Records SystemsTravaux en français237 207