MétaCan
Menu
Retour à la cohorte
Enregistrement W4405036933 · doi:10.5737/ornac11629

Tales of … Not so tall tales of an OR Manager: Surviving a catastrophic snowstorm, a pandemic, and a cyberattack while leading an operating room

2024· article· en· W4405036933 sur OpenAlexaboutno aff
Jennifer E. Sutton

Notice bibliographique

RevueORNAC journal · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)Winter stormHistory2019-20 coronavirus outbreakStormSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Computer securityGeographyMeteorologyComputer scienceMedicineVirology

Résumé

récupéré en direct d'OpenAlex

As an Operating Room (OR) Manager, I am no stranger to the unexpected, but my first years of management threw me one challenge after another! A catastrophic snowstorm (affectionately or unaffectionately named “Snowmagedden” by the people of Newfoundland and Labrador) was just the beginning, followed by the global COVID-19 pandemic and then a crippling cyberattack. These crises tested my leadership, the perioperative team’s resilience, and my hospital’s capacity to continue providing essential care for our most vulnerable. But through it all, the strength and dedication of “my” Operating Room staff and team was calm during the storm(s).

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)0,005
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0150,010
Communication savante0,0100,009
Science ouverte0,0010,006
Intégrité de la recherche0,0040,015
Charge utile insuffisante (le modèle a refusé de juger)0,0160,008

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 Opus0,180
Tête enseignante GPT0,434
Écart entre enseignants0,254 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueORNAC journalMême sujetArtificial Intelligence in Healthcare and EducationTravaux en français237 207