MétaCan
Menu
Retour à la cohorte
Enregistrement W3112514126 · doi:10.1177/2374289520975158

A History of the American Association of Pathologists’ Assistants: Creating an Organization, Winning Hearts and Minds, and Building an Invaluable Profession

2020· article· en· W3112514126 sur OpenAlexaff
Thomas L. Reilly, James R. Wright

Notice bibliographique

RevueAcademic Pathology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueHistory of Medical Practice
Établissements canadiensAlberta Children's HospitalUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésEconomic shortageProfessional associationMedical educationMedicinePhysician assistantsAdministration (probate law)Continuing educationPsychologyPolitical sciencePublic relationsGovernment (linguistics)Nurse practitionersHealth careLaw

Résumé

récupéré en direct d'OpenAlex

Thomas D. Kinney and Duke University started the first formal university-based training program for pathologists' assistants in 1969. Over the next 2 years, 2 more university-based programs were established. All 3 programs were affiliated with nearby Veterans Administration Hospitals and were funded as a pilot study by the US Veterans Administration to address a looming shortage of pathologists. Early graduates of these programs discovered that the concept of pathologists' assistants with well-defined skill sets encompassing both surgical and autopsy pathology was not initially accepted by important elements of organized pathology. Indeed, many academic pathologists were opposed to the concept from the outset. In the face of such opposition, a group of practicing pathologists' assistants created and incorporated their own professional organization, the American Association of Pathologists' Assistants, to provide support, advocacy, and continuing education for individual practicing pathologists' assistants. The history of the American Association of Pathologists' Assistants and its role in the establishment and success of the pathologists' assistant profession are described utilizing personal communications as well as published historical sources.

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)0,004
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: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0070,007
Communication savante0,0050,004
Science ouverte0,0010,002
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,041
Tête enseignante GPT0,325
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'étudeSans objet
Domainenon disponible
GenreAutre

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'admission1
Résumé présentoui

Explorer davantage

Même revueAcademic PathologyMême sujetHistory of Medical PracticeTravaux en français237 207