Notice bibliographique
Résumé
All editorial matter in CMAJ represents the opinions of the authors and not necessarily those of the Can adian Medical Association. 1676 CMAJ, October 4, 2011, 183(14) © 2011 Canadian Medical Association or its licensors Irecall precisely two lectures on nutri-tion in medical school. True, weheard physiology lectures on short-chain fatty acids, and our biochemistry professors encouraged us to remember the structures of the amino acids, but just how these things related to what a person should eat remained largely indecipher-able. One was left with the impression nutrition didn’t matter all that much. Or if it did, it was common sense stuff we knew already: Eat your vegetables; lay off the red meat, fat and salt. It seems my medical education was not unusual. As early as 1966, Robert Shank complained in the pages of the American Journal of Public Health1 that “there is inadequate recognition, support, and attention given ” to nutrition in med-ical schools. Fast-forward nearly 50 years, and it seems little has been done to fill the hole. A recent survey of Canadian medical students2 revealed that, while they felt comfortable advising patients about basic nutrition and disease preven-tion, they were uncomfortable discussing the role of nutrition in disease treatment and with finding credible sources of nutrition information. Nearly 90 per cent felt they needed more nutrition education during medical school. So why has noth-ing changed?
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».