MétaCan
Menu
Retour à la cohorte

Expert decision making in relation to unanticipated blood glucose levels

2000· article· en· W4235007303 sur OpenAlexaff
Barbara Paterson, Sally Thorne

Notice bibliographique

RevueResearch in Nursing & Health · 2000
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolism, Diabetes, and Cancer
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésConstruct (python library)PsychologyDecision fatigueAction (physics)Social psychologyClinical decision makingRelation (database)Process (computing)Focus (optics)Cognitive psychologyR-CASTBusiness decision mappingApplied psychologyMedicineDecision support systemComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

How people (N = 22) with long-standing Type I diabetes make everyday self-care decisions, specifically in regard to unanticipated blood glucose levels (UBGLs) was investigated using grounded theory. Participants differentiated between decisions made in familiar and typical situations and those made in novel situations. Decisions made in familiar situations were straightforward, arising from a confident appraisal of the cause of the UBGL. The primary focus of decision making in response to an UBGL in familiar situations was the decision about the course of action. The focus in unfamiliar situations was the appraisal of the cause of the UBGL. It was characterized by the participants' lack of confidence and by a non-linear progression in which the individual retraced previous phases of the decision-making process or proceeded to tangential steps. Participants matched the features of previously encountered situations to construct a story that explained the events in order to generate some plausible hypotheses. A number of contextual and mediating variables were identified as influencing the decision-making process and the decisions they made. The findings of this research demonstrate that the decision maker's familiarity with the situation influences the nature of the decision-making processes that are used. © 2000 John Wiley & Sons, Inc. Res Nurs Health 23:147–157, 2000

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil0,457

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,088
Tête enseignante GPT0,475
Écart entre enseignants0,387 · 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'étudeAutre devis
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

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in Nursing & HealthMême sujetMetabolism, Diabetes, and CancerTravaux en français237 207