Klug entscheiden
Notice bibliographique
Résumé
Liebe Leserin, lieber Leser, Leitlinien sind häufig unverständlich, unübersichtlich und zu lang, deshalb kommt das Wissen beim Arzt oft nicht vollständig an. So sieht es zumindest die Deutsche Gesellschaft für Innere Medizin (DGIM) und vermutet darin eine der Ursachen für Über- und Unterversorgung, die sie in ihrer Initiative „Klug entscheiden“ zu identifizieren und benennen versucht (Pressemeldung vom 08.03.2016). Hand auf's Herz: Schaffen Sie es, zwischen OP, Patientenbett, Dokumentation und Entlassbriefen sich noch mit allen Leitlinien Ihres Fachs zu beschäftigen? Die DGIM setzt sich jedenfalls dafür ein, neue, einfachere Formen der Wissensvermittlung zu entwickeln. Eine digitale Alternative gibt es bereits: Die App „Mobile Leitlinien Innere Medizin“ soll über Entscheidungsbäume die evidenzbasierte Therapie von Patienten unterstützen. Ein anderer Grund für Überversorgung ist laut einer Onlinebefragung unter 4200 DGIM-Mitgliedern die Sorge vor Behandlungsfehlern – immerhin bei 80 % der Befragten. Diese Art von „Sicherheitsmedizin“ können sich die Mitarbeiter der Interdisziplinären Notaufnahme (INA) am Klinikum Stuttgart nicht leisten: Bei ihnen kommt es nicht nur auf eine richtige, sondern v. a. eine schnelle Diagnose an. Wie man dabei vorgeht, erklärt Prof. Tobias Schilling, Ärztlicher Direktor der INA, ab S. 78 im Interview. Ressourcen lassen sich auch über strukturierte Abläufe und Algorithmen schonen. Ein anschauliches Beispiel dafür: Ab S. 108 erklären unsere Autoren anhand eines Flowcharts, wie Sie bei einem bewusstseinsgestörten Patienten Schritt für Schritt Ursachen erkennen und behandeln. Checklisten und Algorithmen sind zwar gerade für Anfänger von unschätzbarem Wert. Trotzdem dürfe man nie aufhören mitzudenken und den Einzelfall abzuwägen, betont Dr. Cornelia Deckwerth, Ärztliche Direktorin der Paracelsus-Klinik Karlsruhe, im Interview ab S. 92. Das trifft letztlich auch auf Leitlinien-Wissen zu. In diesem Sinne wünschen wir Ihnen stets kluge Entscheidungen! Ihre Herausgeber und Ihre Redaktion Herausgeber P. Galle, Mainz G. Geldner, Ludwigsburg A. Königsrainer, Tübingen F.-G. B. Pajonk, Schäftlarn Experten-Panel P. Berlit, Essen S. Bleich, Hannover J. Bossenmayer, Stuttgart H.- P. Bruch, Lübeck M. Christ, Nürnberg B. Debong, Karlsruhe J. Glatzle, Konstanz T. Hemmerling, Montreal D. F. Hollo, Celle J. Riemann, Ludwigshafen Schlichtungsstelle für Arzthaftpflichtfragen der norddeutschen Ärztekammern, Hannover Redaktion Julia Hecht Dr. Julia Rojahn Georg Thieme Verlag KG Rüdigerstraße 14 70469 Stuttgart E-Mail: legeartis@thieme.de Im Internet Aktuelle Ausgabe: http://www.thieme.de/legeartis Online-Archiv: http://www.thieme-connect.de/products Ärztliche Weiterbildung auf Facebook: ThiemeliebtAerzteinWeiterbildung
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,438 | 0,271 |
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 source (Gemma direct ou Codex distillé), 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 ».