Neurophobia Inception: A Study of Trainees' Perceptions of Neurology Education
Notice bibliographique
Résumé
OBJECTIVES: We wanted to examine the extent to which "neurophobia" exists among medical students and determine if students' perceptions of neurology differ by year of study while exploring the factors that contribute to the development of "neurophobia". METHODS: We used a two-phase, sequential, mixed-methods explanatory design in this single centre study. Phase 1 involved the collection and analysis of a questionnaire administered to students in the first three years of medical school. Phase 2 involved focus groups of a subgroup of students who demonstrated evidence of neurophobia in Phase 1. RESULTS: In total, 187 (39 %) undergraduate medical trainees responded to the questionnaire (response rates of 37%, 44% and 19% for first-, second- and third-year students, respectively). 24% of respondents indicated that they were afraid of clinical neurology and 32% were afraid of the academic neurosciences. Additionally, 46% of respondents thought that clinical neurology is one of the most difficult disciplines in medicine. Phase 2 findings revealed that many students reported negative preconceptions about neurology and commented on neurology's difficulty. Some experienced changes in these conceptions following their neurology block. Past clinical, educational, and personal experiences in neurology impacted their comfort level. CONCLUSIONS: This study shows that the level of comfort towards clinical neurology increases following students' participation in second-year neurology blocks, but that third-year students continue to show signs of neurophobia with lower comfort levels. It provides insight into why neurophobia exists amongst medical students and sheds light on pre-existing and emerging factors contributing to this sense of neurophobia.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».