MétaCan
Menu
Retour à la cohorte
Enregistrement W3103601694 · doi:10.1055/a-1267-0612

Virtuelle Medizin in der Behandlung von Sucht in den USA, Kanada und darüber hinaus

2020· article· de· W3103601694 sur OpenAlexaff
Michael Krausz, Farhud Shams, Maurice Cabanis

Notice bibliographique

RevueSuchttherapie · 2020
Typearticle
Languede
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceGynecologyHumanitiesArtMedicine

Résumé

récupéré en direct d'OpenAlex

Zusammenfassung Insbesondere während der aktuellen Corona-Pandemie hat der Gebrauch virtueller Lösungen in der Medizin international stark zugenommen. Es gibt eine zunehmende Akzeptanz gerade auch in dem Bereich der hausärztlichen Versorgung, der Behandlung psychischer Störungen und der Abhängigkeitserkrankungen. Die Entwicklung ist international unterschiedlich, v. a, wenn man die USA und Kanada auf der einen Seite und Europa, insbesondere Deutschland, andererseits vergleicht. In Nordamerika hat bei dem Einsatz von moderner Technologie die Einführung von „Electronic Medical Record Systems“ eine dominierende Rolle gespielt. Diese ist insbesondere auf Abrechnung und Dokumentation zu Versicherungszwecken fokussiert. Daneben gibt es zunehmend Apps, die spezifische therapeutische Ansätze zu implementieren helfen. Die Anwendung virtueller Ansätze im Suchtbereich ist begrenzt, aber in Teilen sehr innovativ und auf deutsche Verhältnisse anwendbar. Wie in Europa gibt es auch in Nordamerika nur sehr begrenzte Forschungskapazitäten und prinzipiell Widerstand bei den medizinischen Berufsgruppen bezüglich der Anwendungsmöglichkeiten und der Rolle im Behandlungsprozess. Mehr Kooperation würde international zu einer Beschleunigung der Entwicklung und der Etablierung gemeinsamer Standards beitragen sowie die Behandlungssysteme bedeutend verbessern.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,494
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,007

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 Opus0,039
Tête enseignante GPT0,368
Écart entre enseignants0,328 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSuchttherapieMême sujetDigital Mental Health InterventionsTravaux en français237 207