A Pilot Study in the Use of the Delphi Method to Document Conference Proceedings: Comparison of the Rate of Consensus Among Attending and Nonattending Participants
Notice bibliographique
Résumé
Abstract Objective: While many medical practitioners value the interactive nature of in-person conferences, results of these interactions are often poorly documented. The objective of this study was to pilot the Delphi method for developing consensus following a national conference and to compare the results between experts who did and did not attend. Methods: A 3-round Delphi included experts attending the 2023 Society of Disaster Medicine and Health Preparedness Annual Meeting and experts who were members of the society but did not attend. Conference speakers provided statements related to their presentations. Experts rated the statements on a 1–7 scale for agreement using STAT59 software (STAT59 Services Ltd, Edmonton, Alberta, Canada). Consensus was defined as a standard deviation of ≤ 1.0. Results: Seventy-five statements were rated by 27 experts who attended and 10 who did not: 2634 ratings in total. There was no difference in the number of statements reaching consensus in the attending group (26/75) versus that of the nonattending group (27/75) (P = 0.89). However, which statements reached consensus differed between the groups. Conclusion: The Delphi method is a viable method to document consensus from a conference. Advantages include the ability to involve large groups of experts, statistical measurement of the degree of consensus, and prioritization of the results.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,094 | 0,131 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».