MétaCan
Menu
Retour à la cohorte
Enregistrement W2991695413 · doi:10.1192/bji.2019.27

Closing the gap between training needs and training provision in addiction medicine

2019· article· en· W2991695413 sur OpenAlexaff
Sidharth Arya, M. Delić, Blanca Iciar Indave Ruiz, Ján Klimas, Duccio Papanti, А. Г. Степанов, Victoria Cock, Dzmitry Krupchanka

Notice bibliographique

RevueBJPsych International · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensBritish Columbia Centre on Substance UseUniversity of British Columbia
Organismes subventionnairesEuropean CommissionWorld Health Organization
Mots-clésWorkforcePsychological interventionTraining (meteorology)Closing (real estate)AddictionCurriculumMedical educationSet (abstract data type)MedicinePsychologyNursingBusinessComputer sciencePsychiatryPolitical sciencePedagogy

Résumé

récupéré en direct d'OpenAlex

Substance use disorders pose a significant global social and economic burden. Although effective interventions exist, treatment coverage remains limited. The lack of an adequately trained workforce is one of the prominent reasons. Recent initiatives have been taken worldwide to improve training, but further efforts are required to build curricula that are internationally applicable. We believe that the training needs of professionals in the area have not yet been explored in sufficient detail. We propose that a peer-led survey to assess those needs, using a standardised structured tool, would help to overcome this deficiency. The findings from such a survey could be used to develop a core set of competencies which is sufficiently flexible in its implementation to address the specific needs of the wide range of professionals working in addiction medicine worldwide.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,344
Score d'incertitude au seuil0,333

Scores Codex et Gemma par catégorie

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

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 Opus0,058
Tête enseignante GPT0,340
Écart entre enseignants0,282 · 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 tête enseignante, 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

Citations20
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBJPsych InternationalMême sujetOpioid Use Disorder TreatmentTravaux en français237 207