Challenges facing early-career and mid-career researchers: potential solutions to safeguard the future of evidence-based medicine
Notice bibliographique
Résumé
The challenges facing the evidence-based medicine (EBM) movement are well documented.1 2 Yet, the problems facing early-career and mid-career researchers (EMCRs) working in the ecosystem of EBM have not been articulated. The coming together of a cohort of EMCRs from across the globe enabled this articulation.3 The 2019 EBMLive conference (see box 1) provided a space for EMCRs to discuss problems, exchange ideas and create a list of potential solutions. This article outlines four key problems faced by EMCRs and their potential solutions (see box 2). Box 1 ### The EBMLive Conference The EBMLive Conference (www.ebmlive.org) is a joint partnership between the Centre for Evidence-Based Medicine and the BMJ , designed to develop, disseminate, and implement better evidence for better healthcare . Since inception, EBMLive has worked tirelessly to include the voice of students and early-career researchers. Building on previous work, the inaugural Doug Altman Scholarship3 and Building Capacity Bursaries were launched in 2019 to fund the travel and attendance of early-career researchers from across the globe to attend the conference. Box 2 ### Problems facing EMCR and their potential solutions In the lead up to the EBMLive conference, Doug Altman Scholars submitted personal and general problems they have faced as early-career researchers. The responses were synthesised and shared with the Scholars to generate further discussion. During EBMLive, the problems and ideas for potential solutions were discussed and presented during dedicated sessions for early- and mid-career researchers. The key list of problems facing early-career and mid-career researchers and their potential solutions are as follows: 1. Tokenistic training of evidence-based medicine 2. Emphasis of quantity over quality 3. Lack …
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Métarecherche Domaine: Incitatifs · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Théorique ou conceptuel | low |
| gpt | Métarecherche Domaine: Incitatifs · Genre: Commentaire Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | medium |
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 | 0,162 | 0,244 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,024 | 0,031 |
| Communication savante | 0,041 | 0,060 |
| Science ouverte | 0,008 | 0,040 |
| Intégrité de la recherche | 0,045 | 0,062 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,008 |
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».