MétaCan
Menu
Retour à la cohorte
Enregistrement W4411299315 · doi:10.1093/fampra/cmaf037

Getting started with search filters in primary care literature reviews

2025· article· en· W4411299315 sur OpenAlexaff
Thomas Morel, Vera Granikov, Ambar Kulshreshtha, Richard A. Young, Jean‐Pascal Fournier

Notice bibliographique

RevueFamily Practice · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Sciences Research and Education
Établissements canadiensCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésTerminologyRelevance (law)MedicinePrimary careVocabularyMEDLINEInformation retrievalComputer scienceFamily medicine

Résumé

récupéré en direct d'OpenAlex

Primary care researchers and clinicians are facing an ever-growing evidence base, more options to access research evidence, and increasingly limited time. Incorporating search filters into primary care systematic reviews can significantly improve the efficiency and confidence of the search process. Search filters, or hedges, are predeveloped search strategies that combine controlled vocabulary and free text terms using Boolean operators (words like "AND," "OR"). Search filters help to manage the diverse terminology in the literature, such as the various synonyms for primary care, and can be tailored to the specific needs of the review, whether it aims to be exhaustive or more focussed. Resources such as specialized librarians, databases such as PubMed, and repositories such as the InterTASC Information Specialists Sub-Group provide access to these valuable tools. However, as primary care terminology continues to evolve, regular updates to these filters are necessary to maintain their relevance and effectiveness. This method brief presents search filters and highlights their value for finding research literature in primary care.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,396
Score d'incertitude au seuil0,710

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,118
Tête enseignante GPT0,508
Écart entre enseignants0,390 · 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 tête enseignante, 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
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 revueFamily PracticeMême sujetHealth Sciences Research and EducationTravaux en français237 207