MétaCan
Menu
Retour à la cohorte
Enregistrement W4284961648 · doi:10.1097/sla.0000000000005521

Evaluating the Accuracy and Design of Visual Abstracts in Academic Surgical Journals

2022· article· en· W4284961648 sur OpenAlexaff
Keegan Guidolin, Justin Lin, Anudari Zorigtbaatar, Minahil Nadeem, Tarek Ibrahim, Zdenka Neilson, Kyung Young Kim, Luckshi Rajendran, Sami A. Chadi, Fayez Quereshy

Notice bibliographique

RevueAnnals of Surgery · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueAcademic Writing and Publishing
Établissements canadiensWestern UniversityMcMaster UniversityUniversity of TorontoMcGill UniversityUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineChecklistIconMEDLINEResearch designMedical physicsMedical educationComputer sciencePsychologyCognitive psychologyStatistics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The objective of this study was to assess the quality and accuracy of visual abstracts published in academic surgical journals. BACKGROUND: Visual abstracts are commonly used to disseminate medical research findings. They distill the key messages of a research article, presenting them graphically in an engaging manner so that potential readers can decide whether to read the complete manuscript. METHODS: We developed the Visual Abstract Assessment Tool based upon published guidelines. Seven reviewers underwent iterative training to apply the tool. We collected visual abstracts published by 25 surgical journals from January 2017 to April 2021; those corresponding to systematic reviews without meta-analysis, conference abstracts, narrative reviews, video abstracts, or nonclinical research were excluded. Included visual abstracts were scored on accuracy (as compared with written abstracts) and design, and were given a "first impression" score. RESULTS: Across 25 surgical journals 1325 visual abstracts were scored. We found accuracy deficits in the reporting of study design (35.8%), appropriate icon use (49%), and sample size reporting (69.2%), and design deficits in element alignment (54.8%) and symmetry (36.1%). Overall scores ranged from 9 to 14 (out of 15), accuracy scores from 4 to 8 (out of 8), and design scores from 3 to 7 (out of 7). No predictors of visual abstract score were identified. CONCLUSION: Visual abstracts vary widely in quality. As visual abstracts become integrated with the traditional components of scientific publication, they must be held to similarly high standards. We propose a checklist to be used by authors and journals to standardize the quality of visual abstracts.

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)0,399
score de la tête « metaresearch » (Gemma)0,841
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,601
Score d'incertitude au seuil0,741

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3990,841
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0430,018
Études des sciences et des technologies0,0030,004
Communication savante0,0130,008
Science ouverte0,0030,009
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,624
Tête enseignante GPT0,463
Écart entre enseignants0,162 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
DomainePrésentation des résultats
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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of SurgeryMême sujetAcademic Writing and PublishingTravaux en français237 207