Telemedicine Enables Broader Access to Movement Disorders Curricula for Medical Students
Notice bibliographique
Résumé
Background: The impact of tele-education for movement disorders on medical students is unknown. The present study had three objectives. First, to create a tele-education program for medical students in regions with limited access to movement disorders curricula. Second, to analyze the feasibility, satisfaction, and improvement of medical knowledge. Third, to assess the main reasons of medical students for attending this course. Methods: In 2016, a program was piloted in a low-middle income (Cameroon) and a middle-high income (Argentina) country. Medical students were offered a free movement disorder tele-education program (four medical schools in Argentina, and 1 medical school in Cameroon). Six real-time videoconferences covering hyperkinetic and hypokinetic movement disorders were included. Evaluations included attendance, pre- and post-medical knowledge, and satisfaction questionnaires. Results: The study included 151 undergraduate medical students (79.4% from Argentina, 20.6% from Cameroon). Feasibility was acceptable with 100% and 85.7% of the videoconferences completed in Argentina and Cameroon, respectively. Attendance was higher in Argentina compared to Cameroon (75% vs. 33.1%). According to student reports, the topics and innovative educational environment were the main reasons for attendance. Both groups ranked satisfaction as moderate to high, and medical knowledge improved similarly in both countries. Discussion: Tele-education can improve movement disorders knowledge in medical schools in high-middle and low-middle income countries lacking access to other educational opportunities.
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 | 0,004 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».