Motivation to access laparoscopic skills training: Results of a Canadian survey of obstetrics and gynecology residents
Notice bibliographique
Résumé
OBJECTIVE: Competency based medical education (CBME) requires novel approaches to surgical education. Significant investment has been made in laparoscopic simulation, which has been shown to foster skill development prior to patient encounters. However, research suggests variable voluntary use of these resources by residents, and little is known about the motivational factors that influence their utilization. The purpose of this study was to characterize factors that motivate residents to seek laparoscopic simulation experience outside of the formal curriculum. DESIGN: We developed a questionnaire grounded in Expectancy Value Theory, an established psychological theory of motivation, by adapting validated measures to fit the study context. We conducted a cross sectional survey of Canadian obstetrics and gynecology residents. SETTING: We invited residents enrolled in English-language obstetrics and gynecology training programs in Canada to participate. PARTICIPANTS: All residents engaged in clinical duties during Winter 2018 were invited to complete the questionnaire. Forty-four Obstetrics and Gynecology (Ob/Gyn) residents participated in the study. RESULTS: Residents reported limited use of simulation resources and identified multiple barriers including lack of time, access, and supervision. They expressed concern about development of bad habits during independent practice, and simulation use was positively correlated with perceived utility. Compared to junior residents, senior residents reported greater enjoyment of laparoscopic surgery, less emotional costs, and higher self-efficacy for learning laparoscopy. CONCLUSIONS: Residents' perception of utility and barriers impede voluntary simulation use and overall use was limited. As programs undertake curricula redevelopment for CBME, mitigating barriers and improving perceived utility of laparoscopic simulation is vital to increase use and enhance skill development.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».