MétaCan
Menu
Retour à la cohorte
Enregistrement W4417211614 · doi:10.1097/paf.0000000000001096

Accreditation Standards for Medicolegal Death Investigator Staffing

2025· article· en· W4417211614 sur OpenAlexaff
Amy Hawes, Julie Howe, Lauri McGivern, Steven C. Clark

Notice bibliographique

RevueAmerican Journal of Forensic Medicine & Pathology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAutopsy Techniques and Outcomes
Établissements canadiensOffice of the Chief Medical Examiner
Organismes subventionnairesnon disponible
Mots-clésStaffingAccreditationWorkloadStandardizationJurisdictionMedical examinerQuality (philosophy)Patient safety

Résumé

récupéré en direct d'OpenAlex

One important way to ensure quality and standardization of medicolegal death investigation is medical examiner/coroner (ME/C) office accreditation. The two existing accrediting bodies for ME/C offices (National Association of Medical Examiners and International Association of Coroners and Medical Examiners) both specify autopsy caseload limits as part of accreditation standards; however, no such benchmark staffing number exists for medicolegal death investigators (MDI) in office accreditation standards. This pilot study assesses which model for MDI staffing is preferred as an accreditation item, subjective job stressors, typical MDI job tasks, and whether other "workload" complexity factors should be considered for MDI staffing in future accreditation standards. Results from 333 total respondents in an online questionnaire show: (1) the vast majority favor MDI workload standards, (2) the majority indicate the standards should be based on either jurisdiction population, the number of cases investigated by the office, or by the number of ME/C deaths in the jurisdiction, (3) MDI jobs require "extensive mental effort," (4) MDIs have feelings of workplace anxiety, stress, and a marked need for situational self-control, and (5) workload considerations for indirect investigative activities and individual case complexity for non-natural deaths should be considered when developing MDI workload staffing standards.

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)0,086
score de la tête « metaresearch » (Gemma)0,156
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: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,086
Score d'incertitude au seuil0,455

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0860,156
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0030,001
Communication savante0,0030,002
Science ouverte0,0030,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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 Opus0,019
Tête enseignante GPT0,359
Écart entre enseignants0,341 · 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
GenreAutre

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 revueAmerican Journal of Forensic Medicine & PathologyMême sujetAutopsy Techniques and OutcomesTravaux en français237 207