MétaCan
Menu
Retour à la cohorte
Enregistrement W4309217502 · doi:10.30770/2572-1852-108.3.3

From the Editor

2022· article· en· W4309217502 sur OpenAlexaboutno aff
Heidi M. Koenig

Notice bibliographique

RevueJournal of Medical Regulation · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLicensureBurnoutMental healthHealth carePandemicWorkforceDistressCoronavirus disease 2019 (COVID-19)PsychologyMedical educationNursingMedicinePolitical sciencePsychiatryClinical psychology

Résumé

récupéré en direct d'OpenAlex

HEALTHCARE PROFESSIONAL BURNOUT has long been a well-known but not effectively addressed topic as the COVID-19 pandemic and the growing shortage of physicians have brought into the spotlight.In “Ohio Physicians’ Retrospective Pre-Post COVID-19 Pandemic Reports of Burnout and Well-Being” (page 8), Rebecca McCloskey et al discuss the results of a survey regarding physician burnout and mental health experiences prior to and during the COVID-19 pandemic.Achieving licensure and relocating to a new culture is difficult and stressful—akin to burnout. In “Facilitating the Path to Licensure and Practice: International Medical Graduates in Canada” (page 18), Ilona Bartman et al present a study that questions whether International Medical Graduates (IMGs) obtaining Canadian medical licenses in 2022 is more challenging or less challenging than it was in 2002. Efficiently licensing a large and diverse additional pool of healthcare professionals may reduce burden on the existing workforce.In “The Oregon Wellness Program (OWP): Serving Healthcare Professionals in Distress from Burnout and COVID-19” (page 27), Donald Girard and David Nardone expand upon the 2020 JMR OWP article by Divers et al. It includes an evaluative component of both client-users and mental health professionals, offering insight to understand factors, influence client stress, and guide programmatic optimizations.Medical licensing application questions regarding health conditions carry stigma. That may lead physicians to not disclose or seek care for health conditions—particularly mental health conditions. Fisayo Aruleba et al review this problem in “Do Medical Licensing Questions on Health Conditions Pose a Barrier to Physicians Seeking Treatment? A Literature Review” (page 35).And remember, as in the opening quote, we need you to make it.

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)0,002
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,332
Score d'incertitude au seuil0,952

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,017
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0050,004
Science ouverte0,0020,002
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,3320,192

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 Opus0,040
Tête enseignante GPT0,451
Écart entre enseignants0,411 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

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'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical RegulationMême sujetGlobal Health Workforce IssuesTravaux en français237 207