Do US medical students report more training on evidence-based prevention topics?
Notice bibliographique
Résumé
Little is known about the extent to which evidence-based prevention topics are taught in medical school. All class of 2003 medical students (n = 2316) at 16 US schools were eligible to complete three questionnaires: at the beginning of first and third years and in their senior year, with 80.3% responding. We queried these students about 21 preventive medicine topics, concerning the extent of their training and their patient counseling frequency at some of these time points. At the beginning of the third year, self-reported extensive training was low for all preventive medicine topics (range 7-26%). USPSTF-recommended topics received more curricular time (median for topics: 36% if recommended versus 24.5% if not, P = 0.025), as did topics addressed through testing rather than through discussion (median for topics: 37% for testing and 25% for discussion, P = 0.005). Extensive training was always associated with higher counseling frequency, and intention to go into primary care, female gender, a positive attitude toward prevention and positive personal health habits were associated with higher counseling frequency. Although some bemoan the overall low levels of US medical students' prevention-related training and practice, we demonstrate that at least they are preferentially evidence-based, a novel and encouraging finding for preventionists.
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 | 0,043 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».