MétaCan
Menu
Retour à la cohorte
Enregistrement W2745106478 · doi:10.1177/1203475417725876

Undergraduate Dermatology Education in Canada: A National Survey

2017· article· en· W2745106478 sur OpenAlexaffabout
Angela Hu, Ronald Vender

Notice bibliographique

RevueJournal of Cutaneous Medicine and Surgery · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueCutaneous Melanoma Detection and Management
Établissements canadiensDermatrials ResearchMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCurriculumMedicineDermatologyMedical educationFamily medicinePsychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Canadian dermatology curriculum was reviewed in 1983, 1987, 1996, and 2008. All these surveys highlighted the disproportionately low level of dermatology teaching in relation to the significant amount of skin disease seen by physicians. Since the official adoption and dissemination of the Canadian Professors of Dermatology (CPD) core curriculum and competencies, there has been no assessment of how these changes have influenced dermatology curriculum. OBJECTIVE: This survey gathered information on the current status of undergraduate dermatology education across Canadian medical schools. METHODS: A survey was sent electronically to all undergraduate dermatology directors at each of the 17 Canadian medical schools. RESULTS: Between 2008 and 2017, dermatology teaching has increased 25% to 25.6 ± 17.2 hours of teaching. However, 75% of this teaching is delivered in preclinical years. The number of faculty members, both dermatologists and nondermatologists, has also increased. A growing number of schools are now using electronic formats of teaching. Most schools (59%) are covering all the CPD core curriculum topics. CONCLUSION: Dermatology education is demonstrating positive trends with regards to teaching hours and faculty members. Nevertheless, a more even distribution of content so that students have increased clinical exposure should be achieved. Furthermore, an online atlas of resources would be helpful in standardising curriculum.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,339
Score d'incertitude au seuil0,835

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,302
Écart entre enseignants0,263 · 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 tête enseignante, 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

Citations32
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Cutaneous Medicine and SurgeryMême sujetCutaneous Melanoma Detection and ManagementTravaux en français237 207