MétaCan
Menu
Retour à la cohorte
Enregistrement W4283219213 · doi:10.1186/s13104-022-06094-0

Leveling up evidence syntheses: filling conceptual gaps of the role of midwifery in health systems through a network analysis

2022· article· en· W4283219213 sur OpenAlexaff
Cristina A. Mattison, Kirsty Bourret, Michelle Dion

Notice bibliographique

RevueBMC Research Notes · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensMcMaster UniversityMcMaster University Medical Centre
Organismes subventionnairesKarolinska Institutet
Mots-clésObstetricsMedicineData scienceComputer science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: In the research note, our main objective is to explore the value of combining an evidence synthesis with a network analysis. The discussion is based on a critical interpretive synthesis, which combines systematic review methodology with qualitive inquiry, and 'research concept' network analysis focused on understanding the roles of midwives in health systems. The interpretative analytic approach of a critical interpretive synthesis has a high explanatory value by allowing for the review of a diverse body of literature and is well-suited to delving into areas that are not well understood, such as midwifery. RESULTS: Network analyses use graphs to represent relationships between concepts and brought to light important additional insights into the literature that were not present in the evidence synthesis alone. Given the lack of theoretical development in the area of midwifery in health systems, the critical interpretive synthesis allowed for the generation of concepts used to inform a theoretical framework, while the novel application of an exploratory network analysis deepened understanding of conceptual areas of saturation within the field, as well as identifying critical gaps in the literature.

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)0,467
score de la tête « metaresearch » (Gemma)0,730
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,467
Score d'incertitude au seuil0,657

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4670,730
Méta-épidémiologie (sens strict)0,0040,003
Méta-épidémiologie (sens large)0,0070,007
Bibliométrie0,0360,021
Études des sciences et des technologies0,0070,014
Communication savante0,0290,036
Science ouverte0,0080,022
Intégrité de la recherche0,0080,011
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,873
Tête enseignante GPT0,699
Écart entre enseignants0,173 · 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.

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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Research NotesMême sujetHealth Policy Implementation ScienceTravaux en français237 207