MétaCan
Menu
Retour à la cohorte
Enregistrement W4238091817 · doi:10.5206/2020-20.3

An Analysis of Literature Reviews in the Context of Healthcare Program Assessment

2021· article· en· W4238091817 sur OpenAlexaffvenue
Jalesa Martin, Julia Leonard, Shannon L. Sibbald

Notice bibliographique

RevueWestern Undergraduate Research Journal Health and Natural Sciences · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Education and Admissions
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésRigourSystematic reviewStrengths and weaknessesContext (archaeology)Health careManagement scienceBest practiceComputer scienceClosing (real estate)Data scienceEngineering ethicsRisk analysis (engineering)MedicinePsychologyMEDLINEEngineeringPolitical scienceEpistemology

Résumé

récupéré en direct d'OpenAlex

When conducting an assessment of existing literature, various types of literature reviews can be utilized. More specifically, each type has its advantages, disadvantages, and ideal circumstances in which it should be used. This paper explores the systematic review, scoping review, and rapid review in the context of research that seeks to assess existing health care programs. Evidence suggests that the systematic review is the most rigorous and in-depth, but often takes a significant amount of time to complete. The scoping review is less rigorous and used to identify what is known about a specific topic in the literature. The rapid review is similar in rigour to the systematic review, but takes less time and is often used in situations where data needs to be obtained quickly. In this paper, strengths and weaknesses, alongside examples of each review are given. They are then analyzed to see which would be best to utilize for the topic of assessing existing health care programs. In closing, it is decided that the rapid review is the best method due to its limited time frame and extensive rigour, which is the most beneficial when assessing health care programs. 

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)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,638
Score d'incertitude au seuil0,736

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,153
Tête enseignante GPT0,573
Écart entre enseignants0,419 · 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'étudeObservationnel
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

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWestern Undergraduate Research Journal Health and Natural SciencesMême sujetMedical Education and AdmissionsTravaux en français237 207