Can We Call a Model of Care a “Model” If We Cannot Measure Its Performance?
Notice bibliographique
Résumé
It has now been well established that early diagnosis and treatment of rheumatoid arthritis (RA) improve outcomes1.The barriers to early diagnosis and treatment are many but the most frequently cited are a shortage of rheumatologists and an increasing burden of inflammatory arthritis as the population increases and ages2,3. These barriers have prompted many groups across the country, at both the local and national levels, to develop innovative models of care (MOC) to improve access, diagnosis, and treatment for RA. Further, funding agencies such as The Canadian Institutes of Health Research4 and The Arthritis Society5 have research priorities in developing MOC for arthritis; policy makers are more than ever looking to optimize access and improve quality of care, and patients are demanding it as well. For an MOC to be a “model” for others to follow and implement, evaluation of its performance is key. The Arthritis Alliance of Canada (AAC) has developed 6 system-level performance measures to assess whether an MOC is effective in improving access to care and early treatment of inflammatory arthritis6. The term model of care is a frequently used term in our current healthcare landscape and it can carry different meanings in different contexts. Therefore, before we can evaluate these MOC we have … Address correspondence to Dr. N.K. Gakhal, Women’s College Hospital, 76 Grenville St., Room 3438, Toronto, Ontario M5S 1B2, Canada. E-mail: natasha.gakhal{at}wchospital.ca
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 | 0,129 | 0,333 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,008 | 0,028 |
| Communication savante | 0,030 | 0,074 |
| Science ouverte | 0,008 | 0,013 |
| Intégrité de la recherche | 0,011 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».