MétaCan
Menu
Retour à la cohorte
Enregistrement W3016475062 · doi:10.1097/02024458-201409000-00003

Increasing Addiction Medicine Capacity in Canada: The Case for Collaboration in Education and Research

2014· article· en· W3016475062 sur OpenAlexaffvenueabout
Ramm D. Hering, Lisa Lefebvre, P.A. STEWART, Peter Selby

Notice bibliographique

RevueThe Canadian Journal of Addiction · 2014
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmaceutical industry and healthcare
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAddictionAddiction medicineCapacity buildingMedical educationMedicinePsychologyPolitical sciencePsychiatryLaw

Résumé

récupéré en direct d'OpenAlex

Collaboration in addiction medicine education and research is important in Canada. The large unmet need for addiction services will only be met by the relatively small number of addiction clinicians, researchers, educators and policy makers in Canada if they collaborate and grow in a coordinated fashion toward common goals. Leadership from national organizations will facilitate growth in a coordinated fashion, which will allow us to reach the goal of providing adequate treatment for those with addiction and related illnesses as quickly as possible. Recent developments give significant reason to be optimistic that there will be more rapid progress in the coming years. Important initiatives currently underway include: 1) the expansion of Addiction Medicine training programs across Canada, 2) a new federal governmentsponsored initiative to build collaborations in Addictions research, and 3) an application for the first Canadian certification in Addiction Medicine based on a standardized competency based curriculum.

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)0,008
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,638
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,415
Tête enseignante GPT0,527
Écart entre enseignants0,111 · 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'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

Citations6
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of AddictionMême sujetPharmaceutical industry and healthcareTravaux en français237 207