Notice bibliographique
Résumé
THIS ISSUE OF JMR offers a substantial collection of articles on a variety of topics — all intended to help us make progress toward even more effective medical regulation. Our featured authors demonstrate for our readers a diverse array of policies and processes that have potential for optimizing medical regulators’ ongoing mission of public protection. We begin with the topic of electronic prescribing of controlled substances and providing feedback to individual prescribers regarding their habits (page 8). Overdoses on prescription-controlled substances continues to be a serious problem, and authors from Saskatchewan, Canada describe a system in which individual physicians receive personal structured prescribing feedback regarding their electronic prescribing habits in order to achieve quality improvement. We follow that with articles from authors in New Zealand and Australia, describing a major effort by Australian medical regulators to better understand the use of chaperones in physician sexual misconduct cases (page 17). Australian regulators concluded that the disadvantages of chaperones outweigh the advantages, and began a national movement away from their use as a result. Beginning on page 32, we have paired two articles on another topic of importance to regulators: cognitive screening of practicing physicians. Statistics show that our physician workforce is aging, and is beset by high levels of stress and burnout. Two approaches toward screening are offered — one that focuses on screening older physicians and another that suggests a lifelong model, with screening starting much sooner in a physician’s career. Next, we feature an interesting look at responses to an announcement from the Educational Commission for Foreign Medical Graduates (ECFMG) that, starting several years from now, physicians applying for ECFMG Certification must graduate from a medical school that meets its updated accreditation requirements (page 49). The authors compiled online input from those who will be impacted by this change to sense how it is being received. Finally, on page 57, we close with a summary of the FSMB's latest Census of Licensed Physicians in the United States, which is published by JMR every other year and which offers key insights into physician workforce trends. We hope you find value in this very full edition.
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 | 0,002 | 0,024 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,302 | 0,190 |
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 ».