Pre-Clerkship Observerships to Increase Early Exposure to Geriatric Medicine
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: To foster interest in geriatric care, the Queen's Geriatrics Interest Group (QGIG) collaborated with the Division of Geriatric Medicine to arrange a Geriatrics Pre-Clerkship Observership Program. METHODS: Forty-two pre-clerkship medical students participated in the program between October 2013 and May 2014. Participants were paired with a resident and/or attending physician for a four-hour weekend observership on an inpatient geriatric rehabilitation unit. The program was assessed using: (1) internally developed Likert scales assessing student's experiences and interest in geriatric medicine before and after the observership; (2) University of California Los Angeles-Geriatric Attitudes Scale (UCLA-GAS); and (3) narrative feedback. RESULTS: All participants found the process of setting up the observership easy. Some 72.7% described the observership experience as leading to positive changes in their attitude toward geriatric medicine and 54.5% felt that it stimulated their interest in the specialty. No statistically significant change in UCLA-GAS scores was detected (mean score pre- versus post-observership: 3.5 ± 0.5 versus 3.7 ± 0.4; p=.35). All participants agreed that the program should continue, and 90% stated that they would participate again. CONCLUSIONS: The observership program was positively received by students. Structured pre-clerkship observerships may be a feasible method for increasing exposure to geriatric medicine.
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 | 0,003 | 0,008 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».