Combining the Love of Art, Science, Business and Medicine to Innovate and Enhance Patient Health. Highlights from the 7th Annual Leaders in Medicine Symposium of the Cummings School of Medicine, Calgary, AB
Notice bibliographique
Résumé
The Leader in Medicine (LIM) Program of the Cumming School of Medicine, University of Calgary, hosted its 7th Annual LIM Research Symposium on October 30, 2015 and participation grew once again, with a total of six oral and 99 posters presentations! Over 45 of our Faculty members also participated in the symposium. This year's LIM Symposium theme was "Innovations in Medicine" and the invited guest speaker was our own Dr. Breanne Everett (MD/MBA). She completed her residency in plastic surgery at University of Calgary and holds both a medical degree and an MBA from the University of Calgary. In her inspiring talk, entitled "Marrying Business and Medicine: Toe-ing a Fine Line", she described how she dealt with a clinical problem (diabetic foot ulcers), came up with an innovation that optimized patient care, started her own company and delivered her product to market to enhance the health of the community. She clearly illustrated how to complete the full circle, from identifying a clinical problem to developing and providing a solution that both enhances clinical care and patient health as well as reduces health care costs and hospital admissions. The research symposium was an outstanding success and the abstracts are included in companion article in CIM.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,006 |
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 ».