MétaCan
Menu
Retour à la cohorte
Enregistrement W2049796063 · doi:10.1097/acm.0000000000000680

Transition to Surgical Residency

2015· article· en· W2049796063 sur OpenAlexaffabout
Rebecca M. Minter, Keith D. Amos, Michael L. Bentz, Patrice Gabler Blair, Christopher P. Brandt, Jonathan D’Cunha, Elisabeth Davis, Keith A. Delman, Ellen S. Deutsch, Celia M. Divino, Darra D. Kingsley, Mary E. Klingensmith, Sarkis Meterissian, Ajit K. Sachdeva, Kyla P. Terhune, Paula M. Termuhlen, Patricia B. Mullan

Notice bibliographique

RevueAcademic Medicine · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésTransition (genetics)MEDLINEMedical educationFamily medicineMedicinePolitical scienceGeneticsBiology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To evaluate interns' perceived preparedness for defined surgical residency responsibilities and to determine whether fourth-year medical school (M4) preparatory courses ("bootcamps") facilitate transition to internship. METHOD: The authors conducted a multi-institutional, mixed-methods study (June 2009) evaluating interns from 11 U.S. and Canadian surgery residency programs. Interns completed structured surveys and answered open-ended reflective questions about their preparedness for their surgery internship. Analyses include t tests comparing ratings of interns who had and had not participated in formal internship preparation programs. The authors calculated Cohen d for effect size and used grounded theory to identify themes in the interns' reflections. RESULTS: Of 221 eligible interns, 158 (71.5%) participated. Interns self-reported only moderate preparation for most defined care responsibilities in the medical knowledge and patient care domains but, overall, felt well prepared in the professionalism, interpersonal communication, practice-based learning, and systems-based practice domains. Interns who participated in M4 preparatory curricula had higher self-assessed ratings of surgical technical skills, professionalism, interpersonal communication skills, and overall preparation, at statistically significant levels (P < .05) with medium effect sizes. Themes identified in interns' characterizations of their greatest internship challenges included anxiety or lack of preparation related to performance of technical skills or procedures, managing simultaneous demands, being first responders for critically ill patients, clinical management of predictable postoperative conditions, and difficult communications. CONCLUSIONS: Entering surgical residency, interns report not feeling prepared to fulfill common clinical and professional responsibilities. As M4 curricula may enhance preparation, programs facilitating transition to residency should be developed and evaluated.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,014
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,002

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 Opus0,124
Tête enseignante GPT0,399
Écart entre enseignants0,275 · 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

Citations105
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetSurgical Simulation and TrainingTravaux en français237 207