MétaCan
Menu
← Retour à la cohorte
Enregistrement W6913173176 · doi:10.5683/sp2/bpqfpu

Robin: A Dermatology Case

2020· dataset· en· W6913173176 sur OpenAlexaffabout

Notice bibliographique

RevueBorealis · 2020
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésHealth careMental healthPatient careMEDLINEMedical recordPatient education

Résumé

récupéré en direct d'OpenAlex

Robin’s Dermatology Case presents students with a 21-year-old female patient with an eyelid rash, which later turns out to be an occupation-related allergy. The main learning objectives are to explore some issues around skin conditions, their diagnosis and management while also learning about how information systems, such as electronic medical records (EMRs) and personal health records (PHRs), will increasingly influence the way we practice. There is more information about our learning objectives and the project's aims here on the Canadian Health Education Commons (CHEC).The EMR's used in our case include MedAccess and Netcare. This case is broken into three main sections – Robin’s initial visit, which includes the assessment of his symptoms, along with probing questions to determine possible causes and an initial diagnosis; choosing the correct type of follow-up testing; and finally, treatment and recommended lifestyle changes. The learner is encouraged to investigate, explore, ask questions, and make decisions based on realistic clinical encounters with the patient. Very little background about the patient is provided at the start of the case. As the learner moves through the case, the medical facts of the case are revealed. The learner will be required to engage general principles of history taking, consider principles of reflective practice, consider gender and occupation related challenges, and to consider the mental health implications for the care and treatment of a patient with a new allergy. The case has been tuned for the purposes of the AFMC Health Canada Infoway Competition on virtual patients, but is also part of a Resident Research Project at the University of Calgary Department of Family Medicine.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0070,003
Communication savante0,0030,003
Science ouverte0,0020,003
Intégrité de la recherche0,0090,006
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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 Opus0,026
Tête enseignante GPT0,282
Écart entre enseignants0,257 · 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'étudeÉtude de cas
Domainenon disponible
GenreJeu de données

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
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBorealis→Travaux en français237 207→