Notice bibliographique
Résumé
Family medicine, Wisdom in healthcare hank you for listening, for caring.Thank you for your advice, you are wise beyond your years," she said as the tears streamed down her face.The room was hot and heavy with raw emotion, swirling like dust in the rays of the mid-afternoon sun."I will see you back here next month," I said thoughtfully as she stood up, collected herself and stepped out of my office.Me… wise?Like many medical trainees, imposter syndrome followed me around like my shadow.Selfdoubt caused me to question almost every diagnosis and treatment decision for most of my medical training.The evaluations from my attendings continued to feed the beast of self-doubt.I felt overwhelmed by the array of possibilities and investigatory options for any given complaint in a patient.How do I know the right course of action to choose?I have since learned that there is not only one right way to manage a patient.Ask a group of five attending physicians questions about how to manage a case and you will have five different answers.I was so worried about selecting the "right answer"-as though life were some sort of multiple-choice question-that I was never able to select MY answer.I was only able to develop that "T Wisdom in healthcare: finding wisdom in unexpected places Laura Sang 18
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 | 0,013 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,016 | 0,027 |
| Communication savante | 0,024 | 0,026 |
| Science ouverte | 0,003 | 0,026 |
| Intégrité de la recherche | 0,007 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,007 |
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 ».