Learning radiotherapy: the state of the art
Notice bibliographique
Résumé
BACKGROUND: The last two decades have seen revolutionary developments in both radiotherapy technology and postgraduate medical training. Trainees are expected to attain competencies using a mix of experiential learning, formal postgraduate teaching, self-directed learning and peer education. Radiation (Clinical) Oncology is a recognised 'craft specialty' where the apprenticeship model of training is applicable. This scoping review examines the evidence in relation to how medical trainees learn radiotherapy. METHODS: A systematic search of MEDINE and EMBASE was undertaken to identify studies of trainee and/or trainer experience of radiotherapy learning published 1999-2018. Results pertaining to Medical Oncology, workforce trends, undergraduate radiotherapy exposure, academic training, global health, non-medical staff, health service infrastructure and recruitment to training programmes were not included. RESULTS: A total of 146 publications were included in the synthesis. Five themes were apparent through careful iterative analysis representing broadly inter-related issues. Most articles studied radiotherapy training from the perspective of the trainee doctor. Most literature reports results of observational, local or national surveys with a tightly defined scope. Considerable variation exists within hospitals, within countries, over time and between different curricular areas. CONCLUSIONS: Medical education has not kept pace with changes in the field of radiotherapy and large differences are demonstrated in experience between trainees in different hospitals, countries and training stages. Interpersonal relationships, departmental organisation, and national curricula impact on training quality. Qualitative and quantitative research examining modern radiotherapy learning has been uncommon and uncoordinated, until recently. To date no single study has been designed to comprehensively assess a department's training scheme.
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 | 0,017 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,005 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,012 | 0,010 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».