MétaCan
Menu
Retour à la cohorte
Enregistrement W2805605421 · doi:10.1503/cjs.014417

The current state of resident trauma training: Are we losing a generation?

2018· article· en· W2805605421 sur OpenAlexaffvenueabout
Paul T. Engels, Nori Bradley, Chad G. Ball

Notice bibliographique

RevueCanadian Journal of Surgery · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensMcMaster UniversityUniversity of CalgaryUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineTrauma careCall to actionCompetence (human resources)Trauma surgeryMedical emergencyGerontologyFamily medicineSurgery

Résumé

récupéré en direct d'OpenAlex

SUMMARY: General surgeons provide life-saving trauma care to a large portion of Canadians. Although trauma care has evolved significantly over the last few decades and now requires fewer operations, when a life-saving operation is required the expectation of competence to perform this operation has not been reduced. A recent study from the United States found decreased resident case-log volumes of trauma operations. Such findings raise the alarm of declining exposure of residents to trauma operations and beg the question of whether graduating residents are competent to care for trauma patients. Examination of the Canadian setting reveals a dearth of published information about the actual exposure of Canadian general surgery residents to trauma care. With the forthcoming evolution of general surgery education into competency-based medical education, we sound a call to action to ensure that all graduating general surgeons are able to provide the care that both the Royal College of Physicians and Surgeons of Canada and the Canadian public demand.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,972
Score d'incertitude au seuil0,287

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,214
Tête enseignante GPT0,338
Écart entre enseignants0,124 · 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'étudeAutre devis
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

Citations13
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of SurgeryMême sujetSurgical Simulation and TrainingTravaux en français237 207