MétaCan
Menu
Retour à la cohorte
Enregistrement W3110104482 · doi:10.36834/cmej.69750

Physician engagement in regularly scheduled rounds

2020· article· en· W3110104482 sur OpenAlexaffvenue
Adam Bass, Heather Armson, Kevin McLaughlin, Jocelyn Lockyer

Notice bibliographique

RevueCanadian Medical Education Journal · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueHospital Admissions and Outcomes
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Background: Physician participation in regularly scheduled series (RSS), also known as grand rounds, was explored with a particular focus on physician perceptions about the elements that affected their engagement in RSS and the unanticipated benefits to RSS. Methods: A qualitative study using semi-structured interviews and thematic analysis examined physicians’ perception of their knowledge and educational needs and the factors that contributed to engagement in their local hospital RSS. Results: Physician engagement in RSS was affected by four major themes: Features that Affect the RSS’ Quality; Collegial Interactions; Perceived Outcomes of RSS; and Barriers to participation in RSS. Features that Affect RSS’ Quality were specific modifiable features that impacted the perceived quality of the RSS. Collegial Interactions were interactions that occurred between colleagues directly or indirectly as a result of attending RSS. Outcomes of RSS were specific outcome measures used in RSS sessions. Barriers were seen as reasons why physicians were unwilling or unable to participate in RSS. All of the elements identified within the four themes contributed to the development of physician engagement. Physicians also identified changes directly and indirectly due to RSS. Discussion: Specific features of RSS result in enhanced physician engagement. There are benefits that may not be accounted for in continuing medical education (CME) outcome study designs

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)0,038
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,038
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,019
Tête enseignante GPT0,303
Écart entre enseignants0,284 · 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'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

Citations4
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Medical Education JournalMême sujetHospital Admissions and OutcomesTravaux en français237 207