Perception of Plastic Surgery and the Role of Media Among Medical Students: Cross-Sectional Study
Notice bibliographique
Résumé
BACKGROUND: Although plastic surgery has been gaining a lot of popularity recently, there seems to be limited perception and a poor understanding of this field by both medical professionals, including medical students, and the general public. This might alter referral patterns as well as medical students' choice to pursue a career in plastic surgery. OBJECTIVE: The purpose of this study was to assess knowledge and perception of plastic surgery among medical students and to explore the influencing factors underlying particular beliefs. METHODS: Data for this cross-sectional study were collected between August 22 and December 22, 2017. The questionnaire was formulated on the basis of our own study objectives and from available questionnaires with similar objectives. It was composed of 14 questions divided into three main parts: demographics, the specialty of plastic surgery, and media involvement and its effect on plastic surgery. The study was conducted via an online questionnaire among medical students in all years at King Abdulaziz University Hospital, Jeddah, Saudi Arabia. Data were considered significant at P<.05. All analyses were performed using SPSS, version 20. RESULTS: A total of 886 medical students participated in this study. We achieved a response rate of 56.79%. The mean age of the participants was 21.2 years. The mean awareness score was 9.7 (SD 4.2) for female students and 8.3 (SD 4.2) for male students (P<.001). The condition most commonly known to be treated by a plastic surgeon was burns (70.3% of responses). CONCLUSIONS: Medical students do not have adequate awareness of plastic surgery, and early exposure to this specialty may enhance their awareness.
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 | 0,051 | 0,058 |
| 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 | 0,000 | 0,003 |
| 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) | 0,006 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».