Notice bibliographique
Résumé
Dear Readers, We are thrilled to bring you the second issue of the ninth volume of POCUS Journal. Published since 2016, POCUS Journal is the only multi-disciplinary, peer-reviewed, POCUS-focused journal that is free for authors and readers alike. This issue features a variety of POCUS articles from around the world: from North America, South America, Europe, Asia, and even Australia. In addition to novel cases with striking POCUS images and video clips, this issue boasts a great deal of educational research at all levels: Danila et al. (page 80) report on their study of how POCUS can augment a medical student preclinical cardiovascular course while Piro et al. (page 93) studied the impact of just-in-time POCUS curriculum on internal medicine residents; Janjigian et al. (page 109) studied the longitudinal impact of a faculty POCUS training course. POCUS is a powerful tool with a wide range of applications: for example, it can be used both to diagnose musculoskeletal conditions (Doblinger et al. page 15 and Mack et al. page 27) and to treat musculoskeletal conditions (Bowling et al page 12, and McCreary et al. page 30). POCUS can also be used to predict heart failure readmission (Malagón et al. page 125). We are so excited to showcase pivotal POCUS scholarship like this in the November issue. I hope you enjoy this issue of POCUS Journal as much as I have. A huge thank you to our authors, editorial board, and publisher. Sincerely , Benjamin T. Galen, MD Department of Medicine, Albert Einstein College of Medicine and Montefiore Medical Center, Bronx, NY, USA
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 | 0,002 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,652 | 0,616 |
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 ».