MétaCan
Menu
Retour à la cohorte
Enregistrement W3016868429 · doi:10.1096/fasebj.2020.34.s1.06886

Essential Anatomy for Obstetrics and Gynecology in the Undergraduate Medical Curriculum

2020· article· en· W3016868429 sur OpenAlexaffabout
Kelly M. Harrell, David L. Davies, Daniel Topping, Sarah Keim, Hassan Marzban, Kimberly S. Latacha, Amy Lovejoy Mork, Lawrence E. Wineski, Lisa Lopez, Francis Kirera, Thomas McNary, David L. McWhorter, Ann Zumwalt, Tiffany Carpenetti, Mary Beth Downs, Charles Sanky, Jeffrey T. Laitman, Joy S. Reidenberg, Rebecca L. Pratt, Steven Lewis, Anna Farias, William S. Brooks, Danielle Royer, Meghan Cotter, Jim Martindale, Derek Harmon, Mark Hankin

Notice bibliographique

RevueThe FASEB Journal · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAnatomy and Medical Technology
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésSpecialtyObstetrics and gynaecologyMedicineCurriculumMedical educationFamily medicinePsychologyBiologyPregnancy

Résumé

récupéré en direct d'OpenAlex

Introduction To prepare medical students for clinical training and practice, it is critical to understand the anatomical knowledge considered most important for different clinical specialties. Aim To address this issue, a consortium of anatomists in the US and Canada is collecting data from clinical educators in Obstetrics and Gynecology (ObGyn) clerkships and electives to identify the anatomy they consider essential. Methods An IRB‐approved, online survey (Qualtrics, Seattle, WA) was used to assess the importance of 98 anatomical topics in seven body regions. The study first examined the percentage of ObGyn clinical educators (clerkship/elective directors and attending physicians) that considered each anatomical region important to their specialty. Second, the study examined the rank assigned to each anatomical topic using an ordinal scale from 1 (not important) to 4 (essential). Results At the time of abstract submission, data had been collected from 71 ObGyn clinical educators at 22 medical schools. The percentage of ObGyn clinical educators that considered each anatomical region important to their specialty were (highest‐to‐lowest): Pelvis & Perineum (100%), Abdomen (96%), Lower Limb (47%), Back (34%), Thorax (26%), Head & Neck (18%), and Upper Limb (13%). Further data analysis has identified the highest ranked anatomical topics in each body region for the ObGyn clerkship/elective. Discussion and Conclusion This database provides detailed information regarding the most clinically relevant anatomical topics as identified by ObGyn clinical educators. This information can aid in focusing preclinical learning to best prepare medical students for success in their undergraduate and graduate clinical experiences.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0260,003

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 Opus0,010
Tête enseignante GPT0,245
Écart entre enseignants0,235 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetAnatomy and Medical TechnologyTravaux en français237 207