Lyme Disease Training and Knowledge Translation Resources Available to Canadian Healthcare Professionals: A Gray Literature Review
Notice bibliographique
Résumé
INTRODUCTION: Lyme Disease (LD) is the most common tick-borne disease in North America. With the number of cases increasing yearly, Canadian healthcare professionals (HCP) rely on up-to-date and evidence-informed guidelines, instruction, and resources to effectively prevent, diagnose, and treat Lyme disease (LD). This review is the first of its kind to examine gray literature and analyze the diversity of recommendations provided to Canadian HCP about the prevention, diagnosis, and treatment of Lyme disease. METHODS: A gray literature review consisting of 4 search strategies was conducted to retrieve materials targeted to Canadian HCP. Searches within targeted websites, targeted Google searches, and gray literature databases, and consultation with content experts were done to look for continuing medical education (CME) events, clinical flow charts, webinars, videos, and reference documents that discussed the prevention, diagnosis, and treatment of Lyme disease. RESULTS: A total of 115 resources were included in this study. Recommendations surrounding prevention strategies were less varied between materials, whereas diagnosis and treatment recommendations were more varied. Our findings suggest that Canadian HCP are met with varying and sometimes contradictory recommendations for diagnosing and treating LD. CONCLUSIONS: Due to the increasing incidence of LD in Canada, there is a greater need for resource consistency. Providing this consistency may help mitigate LD burden, standardize approaches to prevention, diagnosis and treatment, and improve patient outcomes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».