MétaCan
Menu
Retour à la cohorte
Enregistrement W6963035548 · doi:10.17605/osf.io/2ca7g

PATIENT SAFETY IN MAJOR ONCOLOGICAL EMERGENCIES: SCOPING REVIEW

2023· other· en· W6963035548 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen Science Framework · 2023
Typeother
Langueen
DomaineDecision Sciences
ThématiqueScientific Computing and Data Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGrey literaturePatient safetyHealth careMEDLINEContext (archaeology)Latin AmericansSystematic reviewInclusion (mineral)

Résumé

récupéré en direct d'OpenAlex

PROTOCOL - SCOPING REVIEW PATIENT SAFETY IN MAJOR ONCOLOGICAL EMERGENCIES: SCOPING REVIEW Objective: Identify and synthesize scientific evidence on patient safety in major oncological emergencies. Question wording P (Population) – cancer patient C (Concept) – patient safety C (Context) – nurse care during major oncological emergencies What scientific evidence, in the context of nursing care in major oncological emergencies, is available to ensure patient safety? Inclusion criteria Will be included: studies published in full in English, Spanish and Portuguese; dealing with patient safety in oncological emergencies, published from 2013 to date (Ordinance No. 874/GM/MS, of May 16, 2013: National Policy for Cancer Prevention and Control in the Health Care Network) Health of People with Chronic Diseases within the Unified Health System (SUS). Exclusion criteria Will be excluded: single case studies, editorials, experience reports, annals of events, theoretical essays, narrative literature review. Data collect Data base: - Medline via the National Library of Medicine and National Institutes of Health (PubMed); - Latin American and Caribbean Literature in Health Sciences (LILACS), - SCOPUS; - Web of Science; - Base; - Cochrane Library. Gray literature search: - CAPES Theses and Dissertations Catalog - DART-Europe E-Theses Portal - Electronic Theses Online Service (EThOS) - Open Access Scientific Repository of Portugal (RCAAP) - National ETD Portal - Theses Canada - Latin American Thesis Portal - World Cat Dissertations and Theses • Identification of descriptors and keywords Descriptors and keywords used in studies that address the topic of interest from the combination of MeSH identified for the research mneumonic: (Acute tumor lysis syndrome OR Metabolic Diseases OR Syndrome of inappropriate secretion of antidiuretic hormone OR Hydroelectrolytic disorders OR Diabetes insipidus OR Malignant bowel obstruction OR Superior Vena Cava Syndrome OR Superior Mediastinal Syndrome OR Leukocytosis OR Chemotherapy-Induced Febrile Neutropenia OR Febrile Neutropenia OR Spinal Cord Compression OR Airway Obstruction) AND (Patient Safety [Mesh] OR Risk Management [Mesh] OR Medication Errors [Mesh] ) AND (Neoplasms [Mesh] OR Oncology Nursing [Mesh] OR Oncology [Mesh]).

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)0,074
score de la tête « metaresearch » (Gemma)0,077
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,391

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0740,077
Méta-épidémiologie (sens strict)0,0050,005
Méta-épidémiologie (sens large)0,0120,010
Bibliométrie0,0180,013
Études des sciences et des technologies0,0060,005
Communication savante0,0090,010
Science ouverte0,0060,007
Intégrité de la recherche0,0100,007
Charge utile insuffisante (le modèle a refusé de juger)0,0850,016

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 Opus0,201
Tête enseignante GPT0,493
Écart entre enseignants0,292 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Science FrameworkMême sujetScientific Computing and Data ManagementTravaux en français237 207