MétaCan
Menu
Retour à la cohorte
Enregistrement W3015903091 · doi:10.1177/1203475420914619

Dermatologic Training and Practice in Canada: An In-Depth Review

2020· review· en· W3015903091 sur OpenAlexaffabout
P. Régine Mydlarski, Laurie Parsons, Tadeusz A. Pierscianowski, Mark G. Kirchhof, Cheryl F. Rosen, Kerri Purdy, Julie Powell, Shannon Humphrey, M Clermont, Shannon Elliot, Linda Rumleski, Lisa Gorman

Notice bibliographique

RevueJournal of Cutaneous Medicine and Surgery · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueMedicine and Dermatology Studies History
Établissements canadiensRoyal College of Physicians and Surgeons of CanadaUniversity of British ColumbiaUniversité de MontréalUniversity of TorontoDalhousie UniversityToronto Western HospitalUniversity of OttawaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineDermatologyMedical education

Résumé

récupéré en direct d'OpenAlex

As part of an in-depth review of the specialty for the Royal College of Physicians and Surgeons of Canada (RCPSC), the Dermatology Working Group (DWG) was tasked with leading a comprehensive and objective analysis of the current state of Dermatology practice and training patterns in Canada. Preliminary research for the report was conducted in 3 areas: a jurisdictional analysis, a literature review, and a landscape overview. The results of this research were published in the spring 2019 edition of the Journal of Cutaneous Medicine and Surgery. Various factors impacting the discipline were explored, including trends in the workforce, population needs, accessibility, and wait times, as well as issues in undergraduate and postgraduate medical education. The DWG, supported by the RCPSC’s Office of Specialty Education, used information gained from the reviews, a national survey, and stakeholder perspectives to develop recommendations that address the current challenges and build upon opportunities for advancement in the specialty.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,980
Score d'incertitude au seuil0,581

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0130,024
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,129
Tête enseignante GPT0,364
Écart entre enseignants0,235 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Cutaneous Medicine and SurgeryMême sujetMedicine and Dermatology Studies HistoryTravaux en français237 207