MétaCan
Menu
Retour à la cohorte
Enregistrement W2884649871 · doi:10.12927/hcpol.2018.25495

An Exploration of the Content and Usability of Web-Based Resources Used by Individuals to Find and Access Family Physicians

2018· article· en· W2884649871 sur OpenAlexaffvenueabout
Karen Tang, Fartoon M. Siad, Dima Arafah, Jocelyn Lockyer

Notice bibliographique

RevueHealthcare policy · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésUsabilityWorld Wide WebPluralistic walkthroughWeb usabilityContent (measure theory)Computer scienceWeb contentPsychologyInternet privacyThe InternetHuman–computer interactionMathematics

Résumé

récupéré en direct d'OpenAlex

Background: The most commonly recommended strategy in Canada for patients wishing to find a regular family physician (FP) is through the use of websites with FP listings. We aimed to explore the content and usability of these websites. Methods: We identified publicly available websites with FP listings in Western Canada, analyzing them thematically through open coding for website content and conducting framework analysis for website usability. Results: Twelve unique websites were identified and grouped into three categories: (1) Physician regulatory authorities ("Colleges"); (2) Governmental; and (3) Miscellaneous. College websites provided the greatest detail about the FPs and enabled searching, though had low readability. Governmental websites listed basic contact information and were credible but contained less detail than College websites. Miscellaneous websites were narrower in focus and therefore easier to navigate but lacked updated and accurate information. Conclusions: Many websites help patients find FPs. Their content and usability are variable, suggesting a need for guidance in the development of these resources.

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)0,006
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,220
Score d'incertitude au seuil0,438

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,028
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,002
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
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 Opus0,220
Tête enseignante GPT0,491
Écart entre enseignants0,271 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
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

Citations2
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare policyMême sujetPrimary Care and Health OutcomesTravaux en français237 207