Evaluating the Accuracy and Design of Visual Abstracts in Academic Surgical Journals
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découle