MétaCan
Menu
Retour à la cohorte
Enregistrement W3007674412 · doi:10.1055/s-0040-1702158

International Microsurgery Club: An Effective Online Collaboration System

2020· article· en· W3007674412 sur OpenAlexaff
Evelyn Ting‐Hsuan Tang, Mei Goh, Raymond H. Goh, Samir M. Ghoraba, Mark Shafarenko, Pei-Tzu Hung, Jung‐Ju Huang, Cheng-Fong Chu, Soo‐Ha Kwon, Angela Ting‐Wei Hsu, Jennifer Lin, Che‐Hsiung Lee, Tommy Nai‐Jen Chang

Notice bibliographique

RevueJournal of Reconstructive Microsurgery · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineClubDemographicsMicrosurgeryResource (disambiguation)Retrospective cohort studySurgeryDemographyComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: This study aimed to determine if International Microsurgery Club (IMC) is an effective online resource for microsurgeons worldwide, in providing an avenue for timely group discussions and advice regarding complicated cases, and an avenue for collaboration and information sharing. METHODS: All posts on the IMC Facebook group from member 1 to 8,000 were analyzed according to inclusion criteria and categorized into three categories-case discussion, question, and information sharing. Posts were retrospectively analyzed for number of responses, time of responses, number of "likes," number of treatment options, time of day, and demographics of authors and responders. RESULTS: A retrospective analysis of 531 cases showed an average response rate of 75.7% within 1 hour and as membership grew. The response rate stabilized averaging between 72.5 and 78% across all times of the day. An average of 11.8 microsurgeons was involved per case discussion, and 5.7 treatment options were provided per case. CONCLUSION: IMC is shown to be an effective resource to allow microsurgeons to access timely advice from other microsurgeons without time and distance limitation, and to have interactive group discussions on complicated cases.

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)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,001
Communication savante0,0030,004
Science ouverte0,0010,005
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,003

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,369
Écart entre enseignants0,315 · 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'étudeSans objet
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

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Reconstructive MicrosurgeryMême sujetSocial Media in Health EducationTravaux en français237 207