Principles and Practice of Clinical Research course for surgeons: an evaluation of knowledge transfer and perceptions
Notice bibliographique
Résumé
BACKGROUND: Knowledge and training in evidence-based medicine (EBM) and clinical research is under-represented in most surgical training programs in North America. To address a lack of resources for surgeons, trainees and related specialties, we developed a Principles and Practice of Clinical Research (PPCR) course. The current study evaluated transfer of knowledge and perceptions about the course. METHODS: The course was an intensive 2.5-day workshop consisting of interactive lectures and small group breakout sessions. Pre- and postcourse tests were completed by participants. The Fresno test, questions from the Centre of Applied Medical Statistics (CAMS) test and questions developed by the course chairs were used to determine if participants' knowledge of EBM, clinical research methodology and statistics improved. We also elicited participant perceptions of the course. RESULTS: Overall participant knowledge about EBM and clinical research methods improved significantly from the pre- to the postcourse test (mean improvement inscore 13.5%, relative increase 35.3%, p < 0.001). Specifically, improvements were demonstrated on the Fresno test (mean improvement 13.5%, relative increase 36.1%, p< 0.001) and the CAMS test (mean improvement 11.4%, relative increase 20.1%, p = 0.001). Participants showed the greatest improvement in general knowledge about clinical research (mean improvement 15.4%, relative increase 46.5%, p < 0.001). The PPCR course was well received; 30 (81.1%) participants who completed the course evaluation gave it a positive rating. CONCLUSION: Participants in a short course focusing on EBM and clinical research methodology had significant improvements in scores on tests of knowledge gained. Widespread implementation of similar courses may bridge knowledge gaps for surgeons, surgical trainees and health professionals. Whether shorter knowledge gain sare retained in the longer term remains unknown.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».