Spectrum of care toolkit: identifying and communicating evidence-based options
Notice bibliographique
Résumé
Objective: Using a case-based example, to provide a video tutorial on the use of a framework to identify, review, and communicate to a pet owner (veterinary client) evidence-based findings that enable the provision of spectrum-of-care options for patient management, demonstrate use of the Value Matrix, and inform shared decision-making. Animals: Any veterinary patient for which evidence-based care options along the continuum of acceptable care (often referred to as spectrum of care) is sought. Methods: Evidence-based veterinary medicine involves identifying a relevant clinical question facing the patient, client, and veterinarian and acquiring and appraising the evidence, informing the options applied to the unique case. An easily followed framework informs this process to maximize success in identifying existing veterinary evidence. Several tools, including the Value Matrix, allow for effective client communication of the options for the patient, highlighting the advantages and disadvantages for each option for situation-specific criteria. Results: Evidence-based options are identified and communicated easily, even for complex clinical questions for which there is minimal published existing evidence. Clinical Relevance: This tutorial provides practical tools that can assist veterinary professionals in collaborating with clients on making evidence-based decisions, are integral to practicing broadly across the spectrum of care, and can be adapted to each unique pet, pet owner, geography, and veterinary clinic scenario.
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 | 0,029 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,003 | 0,012 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,008 |
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.
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 ».