MétaCan
Menu
Retour à la cohorte
Enregistrement W4296400918 · doi:10.18438/eblip30187

The Use of Search Request Forms Can Identify Gaps in a Consumer Health Library Collection

2022· article· en· W4296400918 sur OpenAlexvenueaboutno aff
Matthew Bridgeman

Notice bibliographique

RevueEvidence Based Library and Information Practice · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedical libraryFamily medicineMedicineRetrospective cohort studyCoding (social sciences)MEDLINELibrary sciencePsychologyComputer scienceSociologySurgeryPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

A Review of: Giannopoulos, E., Snow, M., Manley, M., McEwan, K., Stechkevich, A., Giuliani, M. E., & Papadakos, J. (2021). Identifying gaps in consumer health library collections: A retrospective review. Journal of the Medical Library Association: JMLA, 109(4), 656–666. https://doi.org/10.5195/jmla.2021.895 Abstract Objective – The objective of this study was to determine if search request forms, which are used when a patron’s request for information cannot be fulfilled at the time of contact with the library team, can be used to identify gaps in consumer health library collections while offering some explanation for the gaps. Design – Retrospective case study of search request forms. Setting – A consumer health library at an academic cancer center in Canada. Subjects – Library patrons: Patients, Patient family, other members of the center, and unspecified. Methods – The researchers reviewed 260 search request forms submitted between 2013 and 2020. Of those, 249 records met inclusion criteria and were analyzed and coded. Coding included patron type, cancer diagnosis, information delivery, and content themes. This information was then used to identify gaps in the library collection and the reasons for the gaps. Main Results – Patients were the primary patrons, asking 62.9% of the questions, followed by family members at 22.5%. The most common cancer type researched was breast at 23.3%, then hematology at 16.5%. gynecology, gastrointestinal, genitourinary, and sarcoma were next between 10% and 8.4%. The remaining cancer types ranged between 6.0 % and 2.0%, with brain being the lowest. Of the questions asked, 60% revealed a gap in the collection. The gaps included rare cancer diagnosis, treatment options, and prognosis. There were data collected on why the information was unavailable. While 53% of the gaps were a result of limited health consumer information, 25% were a result of paywall restrictions or content restricted to members. Conclusion – Search request forms can be an effective tool in evaluating gaps in collections. In this study, the researchers were able to identify that breast cancer patients made up the most significant proportion of patrons, and the biggest gaps in the collection were related to their treatment decisions. One opportunity to bridge this gap is through collaboration with clinical teams in developing patient friendly resources on this topic. In addition, inter-institutional collaboration between libraries may also help. Continued review of forms can help inform collection decisions to better meet the needs of patrons.

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)0,182
score de la tête « metaresearch » (Gemma)0,470
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,182
Score d'incertitude au seuil0,961

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1820,470
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0260,032
Études des sciences et des technologies0,0040,004
Communication savante0,0060,016
Science ouverte0,0030,010
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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 Opus0,083
Tête enseignante GPT0,427
Écart entre enseignants0,343 · 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.

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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEvidence Based Library and Information PracticeMême sujetHealth Literacy and Information AccessibilityTravaux en français237 207