MétaCan
Menu
Retour à la cohorte
Enregistrement W4407426019 · doi:10.5858/arpa.2024-0331-oa

Twenty-Four Years’ Experience With a Pulmonary Pathology Journal Club: What Have We Learned?

2025· article· en· W4407426019 sur OpenAlexaff
Henry D. Tazelaar, Marie‐Christine Aubry, Anja C. Roden, Cynthia Heltne, Carolyn Mead‐Harvey, Matthew J. Cecchini, Donald G. Guinee, Jeffrey L. Myers

Notice bibliographique

RevueArchives of Pathology & Laboratory Medicine · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueAcademic Writing and Publishing
Établissements canadiensLondon Health Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésCitationJournal clubScopusContext (archaeology)ClubMedicineAutomatic summarizationMedical educationPsychologyPathologyMEDLINELibrary scienceComputer scienceHistoryPolitical scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

CONTEXT.—: A monthly pathology journal club has met for 24 years. It was established to help members stay apprised of the literature relevant to diagnostic pulmonary pathology. OBJECTIVE.—: To assess whether the journal club met its goal and to report on opportunities identified for improvement. DESIGN.—: To determine whether articles chosen for discussion as opposed to notation were more significant, Scopus citation indices for article types reviewed from January 2007 to November 2023 were compared. A survey of current faculty was undertaken to determine if the club was meeting expectations and to identify improvement opportunities. RESULTS.—: Articles from January 2007 to November 2023 included 858 discussed and 3385 noted. Mean (SD) citation count was 103.0 (409.80) for discussion and 64.9 (259.77) for notation articles (P < .001). The citation count was noticeably right skewed, as articles with high citation counts inflated the mean. Members were mostly satisfied with the way the journal club was structured and managed. Members most valued the summary of the articles, followed by the live discussion. Opportunities for improvement included decreasing the number of journals scanned, decreasing detail in summaries, and using generative artificial intelligence (AI) to facilitate summary generation. A pilot using AI anecdotally reduced preparatory time, but the human-edited summary included more specific context, critical commentary, and enhanced take-home messages, providing a more nuanced analysis. CONCLUSIONS.—: The journal club met its initial goal. Opportunities for improvement have been identified including the use of generative AI to facilitate article summarization.

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)0,024
score de la tête « metaresearch » (Gemma)0,058
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,058
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0080,004
Communication savante0,0140,009
Science ouverte0,0030,007
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,028
Tête enseignante GPT0,273
Écart entre enseignants0,246 · 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'étudeQualitatif
Domainenon disponible
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchives of Pathology & Laboratory MedicineMême sujetAcademic Writing and PublishingTravaux en français237 207