MétaCan
Menu
Retour à la cohorte
Enregistrement W3025411307 · doi:10.5489/cuaj.6495

Knowledge and confidence level of Canadian urology residents toward biostatistics: A national survey

2020· article· en· W3025411307 sur OpenAlexaffvenueabout
Félix Couture, David‐Dan Nguyen, Naeem Bhojani, Jason Y. Lee, Patrick O. Richard

Notice bibliographique

RevueCanadian Urological Association Journal · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueHealth and Medical Research Impacts
Établissements canadiensUniversity of TorontoCentre Hospitalier de l’Université de MontréalMcGill UniversityCentre Hospitalier Universitaire de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésBiostatisticsMedicineOddsMedical educationConfidence intervalOrdinal dataOdds ratioFamily medicinePublic healthStatisticsNursingInternal medicineMathematics

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Adequate knowledge of biostatistics is essential for healthcare providers to stay up to date with medical advances and maintain an evidence-based practice. However, training in clinical research in Canadian residency programs varies considerably. Our study aimed to determine Canadian urology trainees' knowledge of biostatistics and interpretation of the scientific literature. METHODS: We conducted a national survey of all Canadian urology residents and fellows, which assessed experiences with biostatistics, self-reported confidence with statistical questions, and knowledge of biostatistical concepts. RESULTS: Out of 201 urology trainees, 74 (36.8%) responded to the survey. The majority of respondents disagreed or strongly disagreed with the fact that they had sufficient training in biostatistics in medical school (67.6%) or that their current knowledge was sufficient for the rest of their career (66.1%). If given the chance, 82.3% of respondents would like to learn more about biostatistics. About half of respondents were able to correctly identify ordinal variables (51.5%), discrete variables (52.9%), or interpret adjusted odds ratios (50.0%). Despite senior residents reporting more confidence on biostatistical questions, our results did not demonstrate significant differences in overall knowledge according to level of training or experience with biostatistics. CONCLUSIONS: Our results identified important knowledge gaps among current Canadian urology trainees. Most trainees do not believe they have sufficient training in biostatistics. Knowledge of basic statistical concepts was lower than expected and did not significantly differ according to level of training. Our results highlight the need for structured, dedicated training in biostatistics for urology trainees within the new Competence by Design teaching framework.

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)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,172

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,372
Tête enseignante GPT0,411
Écart entre enseignants0,040 · 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.

Devis d'étudeObservationnel
DomaineMéthodes
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

Citations7
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Urological Association JournalMême sujetHealth and Medical Research ImpactsTravaux en français237 207