Procedural experience of canadian neonatal-perinatal medicine fellows
Notice bibliographique
Résumé
Context: Neonatal-Perinatal Medicine (NPM) is a high-acuity specialty where trainees need to be proficient in complex procedural skills. The ability to perform these skills independently is an important milestone toward becoming a competent neonatologist. Aims: The aim of the study was to characterize the current procedural experience of Canadian NPM trainees, the methods for recording their experience, and how competency in procedural skills is being assessed by training programs. Subjects and Methods: A 60-item online survey was sent to all NPM trainees enrolled in an accredited training program across Canada. Statistical Analysis Used: Descriptive statistics (means, medians, standard deviations, range, and interquartile ranges) and the Mann–Whitney U-test were used. Results: Twenty fellows (27%), including ten 1st-year and ten 2nd-year fellows responded. Procedural experience increased with length of training. Most fellows are required to maintain a procedure log and track specific procedures. About 50% of fellows reported that logs are not required to be signed off and there is often no standardized process to determine when a fellow can independently perform a procedure. About 55% of fellows felt that they had sufficient experience to be competent upon graduation. Respondents indicated that both fellows and programs are actively working to improve the procedural experience for trainees. Conclusions: This study provides normative data regarding the procedural experience of Canadian NPM trainees. Experience increases with years of training, but there is a need to more clearly define what procedures are most critical to attain competency. Currently, procedural experience tracking is highly variable between programs.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».