Systematic online academic resources (<scp>SOAR</scp>) review: Sickle cell disorders
Notice bibliographique
Résumé
Background: Free open-access medical education (FOAM) resources have become highly utilized resources in emergency medicine education. However, FOAM content often lacks the traditional peer review process, leaving quality assessment to the readers. In this systematic online academic resource (SOAR) review, we apply a systematic methodology to assess the quality of FOAM resources on sickle cell disease (SCD). Methods: We searched keywords for SCD using FOAM Search and the top 50 FOAM websites listed on the Social Media Index. Resources found were screened using inclusion/exclusion criteria, and a total of 53 resources underwent full-text quality assessment using the revised Medical Education Translational Resources Impact and Quality (rMETRIQ) tool. Results: The search yielded 520 resources, of which 53 met the criteria for quality assessment. A total of eight posts (15.1% of posts) were identified as high quality (rMETRIQ ≥ 16). The most commonly addressed topics within SCD topics included acute chest syndrome, acute pain crisis and general review of SCD. A total of 11 posts (21% of posts) were found to have an rMETRIQ score of less than 7, which may indicate poor quality. The most commonly identified type of resource was personalized reading (64%) and a number of posts were deemed to not have an appropriate use due to poor quality (15%). Conclusions: We were able to systematically search a wide range of resources to identify, appraise, and organize FOAM resources on the topic of SCD. A final list of eight high-quality resources can guide trainees, educator recommendations, and FOAM authors.
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 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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».