MétaCan
Menu
Retour à la cohorte
Enregistrement W2775712068 · doi:10.1136/bjsports-2017-097833

Rigorous qualitative research in sports, exercise and musculoskeletal medicine journals is important and relevant

2017· editorial· en· W2775712068 sur OpenAlexaboutno aff
Susan C. Slade, Shilpa Patel, Martin Underwood, Jennifer L. Keating

Notice bibliographique

RevueBritish Journal of Sports Medicine · 2017
Typeeditorial
Langueen
DomaineMedicine
ThématiqueClinical practice guidelines implementation
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute for Health and Care Research
Mots-clésExcellenceQualitative researchMedical educationNiceApplied psychologyHealth careQualitative propertyPsychologySports medicinePerceptionTest (biology)Mental healthInterpretation (philosophy)MedicinePhysical therapyComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

Qualitative research enables inquiry into processes and beliefs through exploration of narratives, personal experiences and language.1 Its findings can inform and improve healthcare decisions by providing information about peoples’ perceptions, beliefs, experiences and behaviour, and augment quantitative analyses of effectiveness data. The results of qualitative research can inform stakeholders about facilitators and obstacles to exercise, motivation and adherence, the influence of experiences, beliefs, disability and capability on physical activity, exercise engagement and performance, and to test strategies that maximise physical performance. High-quality qualitative research can also enrich interpretation of quantitative analyses and be pooled in metasyntheses for evaluation of strength of evidence; contribute to the development and implementation of clinical decision support aids, outcome measures and clinical practice guidelines2 such as the UK National Institute for Health and Care Excellence guidelines (www.nice.org.uk) and Ottawa Panel guidelines for knee osteoarthritis3; and inform health and social care.4 In 2000, just 0.6% of papers in 170 general medical, mental health …

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,052
score de la tête « metaresearch » (Gemma)0,053
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,348
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0520,053
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,000
Bibliométrie0,0020,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,007
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,179
Tête enseignante GPT0,559
Écart entre enseignants0,380 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations15
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Sports MedicineMême sujetClinical practice guidelines implementationTravaux en français237 207