Evaluation of a CAT Database and Expert Appraisal of CATs Developed by Students
Notice bibliographique
Résumé
Five steps have been recommended to provide evidence-based patient care: formulating a clinical question, searching for literature, evaluating the validity and applicability of results, implementing results into practice, and assessing if the new evidence has led to improved health care. Students can be trained in these steps by the development of knowledge summaries such as critically appraised topics (CATs). The aim of the present project was the development, use, and evaluation of a German-language CAT database and an appraisal of the quality of CATs developed by students. A total of 153 fifth-year veterinary medical students (in 21 groups) were enrolled in the project. Each group developed a CAT and most students participated in a survey. To learn more about the quality of the CATs, we asked experts to appraise the texts written by the students. The CATs were indexed with key words and assigned to specific fields corresponding to the European Colleges of Veterinary Specialisation. Currently, 57 CATs have been developed. The majority of students stated that writing CATs is a good exercise and that "it is important to teach the assessment of scientific information." In total, 13 experts completed the questionnaires, out of which 9 graded the CAT they appraised as good. In addition to English-language CAT databases, German tools should also be available for students and practitioners.
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 | 0,315 | 0,496 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,022 | 0,012 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».