MétaCan
Menu
Retour à la cohorte
Enregistrement W77527182 · doi:10.32920/ryerson.14640219

The relationship between CABG patient characteristics and perceived learning needs: a secondary analysis

2021· article· en· W77527182 sur OpenAlexafffund
Suzanne Fredericks

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueAortic Disease and Treatment Approaches
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesUniversity of TorontoUniversity Health Network
Mots-clésDescriptive statisticsPsychologyRandomized controlled trialSignificant differenceMedicineMedical educationInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Patients' learning needs are influenced by socio-cultural characteristics such as level of formal education, sex, and age. Limited research has examined this influence. PURPOSE: The purpose of this study was twofold: 1) to describe the number and type of learning needs identified among first-time CABG patients, and 2) to examine the relationships between learning needs and socio-cultural characteristics (education, sex, and age). DESIGN: This study was a sub-study of a randomized clinical trial (RCT) that evaluated the most appropriate time for delivering education to patients who had CABG surgery. SAMPLE: Individuals having CABG with one to four grafts for the first time and who were literate and cognitively oriented to person, place, and time were included in this study. ANALYSIS: Descriptive and correlation statistics were used to analyze the data. RESULTS: A significant difference between learning needs and sex (p = 0.00) was noted, while a significant relationship between learning needs and age (p = 0.03) was identified. CONCLUSION: This study represents a first step towards identifying the association between perceived learning needs and socio-cultural characteristics.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,035
Tête enseignante GPT0,268
Écart entre enseignants0,233 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations7
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAortic Disease and Treatment ApproachesTravaux en français237 207