MétaCan
Menu
Retour à la cohorte
Enregistrement W4392334689 · doi:10.1515/9781787440050

Technological Change in Modern Surgery

2017· book· en· W4392334689 sur OpenAlexaboutno aff

Notice bibliographique

RevueBoydell and Brewer eBooks · 2017
Typebook
Langueen
DomaineMedicine
ThématiqueHistory of Medical Practice
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

Examining the complex dynamics of medical treatment options and the variable character of surgical technologies, this volume broadens and transcends the notion of technological innovation. Surgery is an ideal field for examining the processes of technological change in medicine. The contributors to this book go beyond the concept of innovation, with its focus on a single technology and its sharp dichotomy of acceptance versus rejection. Instead they explore the historical contexts of change in surgery, looking at the complex dynamics of the various treatment options available -- old and new, surgical and nonsurgical -- as well as the variable character of the new technologies themselves, thus broadening and transcending the notion of technological innovation. CONTRIBUTORS: Christopher Crenner, Sally Frampton, Delia Gavrus, Lisa Haushofer, David S. Jones, Beth Linker, Shelley McKellar, Thomas Schlich Thomas Schlich is the James McGill Professor of the History of Medicine at the Department of Social Studies of Medicine at McGill University. Christopher Crenner is the RalphMajor and Robert Hudson Professor and chair of the Department of History and Philosophy of Medicine at the University of Kansas Medical Center.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,903
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,099
Tête enseignante GPT0,302
Écart entre enseignants0,204 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBoydell and Brewer eBooksMême sujetHistory of Medical PracticeTravaux en français237 207