MétaCan
Menu
Retour à la cohorte
Enregistrement W3216847709 · doi:10.1002/aet2.10716

Systematic online academic resource (SOAR) review: Endocrine, metabolic, and nutritional disorders

2021· article· en· W3216847709 sur OpenAlexaff
Jonie J. Hsiao, Ryan Pedigo, Shirley W. Bae, JooYeon Jung, Lisa Zhao, N. Seth Trueger, Teresa M. Chan, Andrew Grock

Notice bibliographique

RevueAEM Education and Training · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineResource (disambiguation)Computer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Free open-access medical education (FOAM) has become an integral resource for medical school and residency education. However, questions of quality and inconsistent coverage of core topics remain. In this second entry of the SAEM Systematic Online Academic Resource (SOAR) series, we describe the application of a systematic methodology to identify, curate, and describe FOAM topics specific to endocrine, metabolic, and nutritional disorders as defined by the 2016 Model of the Clinical Practice of Emergency Medicine (MCPEM). METHODS: We developed an automated algorithm to search 264 keywords derived from nine subtopics within the MCPEM category in the FOAM Search (a customized FOAM search tool) and the Social Media index. The top 100 results were extracted for each keyword. Resources underwent a manual iterative screening process, and those relevant to endocrine, metabolic, or nutritional disorders and EM were evaluated with the revised Medical Education Translational Resources: Impact and Quality (rMETRIQ) tool. RESULTS: < 0.001). A total of 121 posts (16% of posts) covering 25 subtopics were identified as high quality (rMETRIQ ≥16). The most covered subtopic was potassium disorders, representing 15% of all posts. Subtopics that did not have a high-quality resource identified include metabolic alkalosis, respiratory alkalosis, fluid overload, phosphorus metabolism, hyperglycemia, malabsorption, malnutrition, and thyroiditis. From most to least common, the overall target audience was junior resident (91%), PGY-1 resident (88%), senior resident (81%), clerk (64%), attending (50%), and preclerkship (9%). CONCLUSIONS: We systematically identified, described, and curated FOAM resources for EM learners on the topic of endocrine, metabolic, and nutritional disorders. A final list of high-quality resources can guide trainees, educator recommendations, and FOAM authors.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,721
Score d'incertitude au seuil0,434

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,025
Tête enseignante GPT0,358
Écart entre enseignants0,333 · 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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAEM Education and TrainingMême sujetInnovations in Medical EducationTravaux en français237 207