International needs analysis in orthopaedic trauma for practising surgeons with a 3-year review of resulting actions
Notice bibliographique
Résumé
Introduction: To ensure best-quality education in orthopaedic trauma, the AOTrauma Education Commission conducted a Global Needs Analysis with practising surgeons worldwide.Material and methods: During July to November 2012, an email invitation to complete an online set of 30 questions in eight languages was sent to our members and associates in all countries through AOTrauma’s regional networks. Non-members were invited to participate through collaboration with orthopaedic societies.Results: A total of 3,790 surgeons practising orthopaedic trauma (49%), orthopaedic (15%), general trauma (15%) and specialty orthopaedic (13%) surgeons responded worldwide. Seventy per cent completed all questions, and the top 10 countries accounted for half the responses. The top 3 areas of educational need were orthopaedic trauma, joint replacement and preservation, and pelvis and acetabulum. Aspects influencing likelihood to attend face-to-face courses were: expert faculty, focus on a specific topic, clear objectives, and discussion and feedback from experts. Barriers to attending courses were time away from practice, cost and lack of availability or access.Conclusion: The Global Needs Analysis helped our educational committees to identify short- and mid-term priorities over recent years. Adjustments in our planning have helped meet the needs of our audience on a global, regional and national level.
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 | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,013 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».