Benefits of Extracurricular Participation in Dissection in a Prosection‐Based Medical Anatomy Program
Notice bibliographique
Résumé
The benefits of cadaveric dissection vs. prosection in medical anatomy education have been extensively debated. The University of Ottawa offers compressed (46.5 lab hours), prosection‐based curricular anatomy education with extracurricular regional dissection electives. This study aimed to characterize benefits related to elective cadaveric dissection. Undergraduate medical students were surveyed in May 2014 regarding motivations and perceived benefits of participation in dissection. The response rate for the survey was 47% (225/478 students). The survey included both Likert‐style items and open‐ended items, which were qualitatively analyzed for emerging themes. We then characterized dissector (DIS) and non‐dissector (NON) student academic performance. The majority of students (70%) participated in at least one dissection elective. The primary motivation for, and benefit derived from, this elective was related to perceived enhancement of clinically relevant anatomical knowledge. Relative to NON group, performance of the DIS group was significantly greater (P<0.001) on practical examinations (+5%), anatomy‐related items (+7%) and discriminating anatomy items (+9%) that typically assessed knowledge application. Finally, performance along these assessment metrics generally was enhanced when students participated in multiple electives. Our results show that dissection electives were valued by the majority of medical students and were perceived to address curricular deficits in clinical anatomy knowledge. Dissection participation had a significant impact on student examination performance, with the largest impact observed on discriminating items related to anatomical knowledge application.
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 | 0,001 | 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) | 0,000 | 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 ».