MétaCan
Menu
Retour à la cohorte
Enregistrement W4210624366 · doi:10.1111/1754-9485.13380

The ‘Sic Vos non Vobis’ of Interventional Radiology – Rebranding and modernising the Interventional Specialities of Radiology in Australia and New Zealand

2022· article· en· W4210624366 sur OpenAlexaboutno aff
Colin Chun Wai Chong, S. Murthy Chennapragada, Christoph Schick, William McAuliffe, Glen Schlaphoff, Suhrid Lodh, Justin Whitley, Andrew Cheung

Notice bibliographique

RevueJournal of Medical Imaging and Radiation Oncology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiology practices and education
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Wollongong
Mots-clésMedicineInterventional radiologyRadiologyPraiseNeuroradiologyInterventional neuroradiologyAccreditationMedical educationPsychiatry

Résumé

récupéré en direct d'OpenAlex

Point of viewSic Vos Non Vobis ('For You, But Not Yours') were the words Vergil wrote on Emperor Augustus' palace doorpost, when Bathyllus, another poet, had plagiarised his work lavishing praise on emperor Augustus. 1 In his famous retribution, he quipped the bees do not produce the honey for themselves, but for others.But maybe it is time for a change?Interventional radiology (IR) and interventional neuroradiology (INR) have a recognition and branding problem.There is confusion about their identity not only amongst the public but also amongst our medical and surgical colleagues.2,3 Even amongst radiologists, knowledge of the interventional specialties can be limited.Often, it is not realised that not all interventional radiologists provide the same service.These challenges have implications at many levels: future trainees cannot be inspired without appropriate knowledge of the specialties; challenges exist with accreditation and training; and advocacy of our profession for patients will ultimately suffer.4 The purpose of this opinion piece is to stimulate a discussion and reach a consensus on how we view

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)0,007
score de la tête « metaresearch » (Gemma)0,012
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: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,016
Communication savante0,0090,012
Science ouverte0,0010,007
Intégrité de la recherche0,0070,013
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,047
Tête enseignante GPT0,398
Écart entre enseignants0,351 · 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
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical Imaging and Radiation OncologyMême sujetRadiology practices and educationTravaux en français237 207