Trainee Needs in Pediatric Transplant Infectious Diseases Education
Notice bibliographique
Résumé
BACKGROUND: Pediatric transplant infectious diseases (PTID) is emerging as an area of expertise within pediatric infectious diseases. Although guidelines for training in PTID have been published, no prior national survey has been conducted to identify trainee-described needs for instruction in PTID. METHODS: A survey was designed through collaboration between the American Society of Transplantation and the Pediatric Infectious Diseases Society, to assess trainee exposure, self-knowledge, and self-competency in PTID. RESULTS: Sixty of 169 trainees replied (response rate 35%) with 93% of respondents from centers that performed transplants. Eighty-two percent of trainees were unaware of the recommended curriculum for PTID. Although a majority of trainees (78%) indicated they had received structured teaching in PTID, most (>50%) ranked their knowledge in donor selection, donor-derived infections, and candidate risk assessment as poor or fair. A majority (>50%) also reported their competency in areas regarding pre- and posttransplant guidance as poor or fair. Trainees identified the following strategies to augment their PTID training: additional rotations, teaching by experts, case-based learning, and a reference guide. CONCLUSIONS: This survey highlights significant trainee-identified gaps in PTID knowledge and competency. Limitations include low survey response rate but appears weighted towards centers with transplantation. Suggested strategies can inform the development of learner-specific initiatives and curriculum in PTID.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».