MétaCan
Menu
Retour à la cohorte
Enregistrement W4376270199 · doi:10.36834/cmej.73911

Identifying Royal College-accredited simulation centre research priorities across Canada

2023· article· en· W4376270199 sur OpenAlexaffvenueabout
Jason M. Harley, Clarissa Lau, Elif Bilgiç, Gerald M. Fried, Farhan Bhanji

Notice bibliographique

RevueCanadian Medical Education Journal · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensUniversity of ManitobaMcMaster UniversityMcGill UniversityMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésAccreditationGeneralizability theoryDelphi methodHealth careMedical educationLeverage (statistics)MedicinePublic relationsPsychologyComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

To advance the field of health sciences simulation, research must be of high quality and would benefit from multi-institutional collaboration where centres can leverage and share expertise as well as work together to overcome limits to the generalizability of research findings from single-institution studies. A needs assessment in emergency medicine simulation has illustrated the importance of identifying research priorities in Canada. The main purpose of this study was to identify simulation research priority directions for Canadian simulation centres. The current survey study drew on 16 research priorities developed through a two-round internal Delphi study at McGill University that 15 of 17 simulation centre advisory board members participated in. The final 16 research priorities were then rated by a total of 18 of 24 simulation centre directors and/or delegates contacted from 15 of 19 Royal College of Physicians and Surgeons of Canada-accredited simulation centres in Canada. Results revealed nine common research priorities that reached 70% or higher agreement for all respondents. We anticipate that our findings can contribute to building a shared vision of priorities, community, and collaboration to enhance health care simulation research quality amongst Canadian simulation centres.

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)0,075
score de la tête « metaresearch » (Gemma)0,119
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,925
Score d'incertitude au seuil0,937

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0750,119
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,008
Études des sciences et des technologies0,0140,003
Communication savante0,0080,003
Science ouverte0,0030,009
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,086
Tête enseignante GPT0,460
Écart entre enseignants0,374 · 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'étudeQualitatif
DomaineIncitatifs
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

Citations2
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Medical Education JournalMême sujetSimulation-Based Education in HealthcareTravaux en français237 207