MétaCan
Menu
Retour à la cohorte
Enregistrement W3025817867

[Perception of the gastroenterologist about the needs of continuing medical education in Peru].

2019· article· en· W3025817867 sur OpenAlexaboutno aff
Ofelia Castillo Contreras, Miguel Sandoval Vegas, Javier Díaz Ferrer, César Soriano Álvarez

Notice bibliographique

RevuePubMed · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth and Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineLikert scaleAttendancePerceptionFamily medicineGastroenterologyNeeds assessmentContinuing medical educationColorectal cancerCancerInternal medicineContinuing educationMedical educationPsychology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To determine the perception of the gastroenterologist about the needs of continuing medical education (CME) in Peru. MATERIAL AND METHODS: Cross-sectional and descriptive study. The sample was not probabilistic. A survey was applied to the gastroenterologists members of the Society of Gastroenterology of Peru. The questionnaire was developed based on the "Canadian Association of Gastroenterology Educational Needs Assessment Report" with a Likert scale of 5 points (1 = not necessary and 5 = indispensable). The average of the scores obtained in each of the 33 items of the clinical, endoscopic and learning methods areas was determined. RESULTS: There were 75 participants and the average age was 43.40 years (SD ± 10.22 years). The place of work was mainly Lima (68%) and the majority (50.67%) had a service time of less than 5 years. The perception of educational needs in the clinical area was higher for gastric cancer (4.37 ± 0.87) and colon cancer (4.37 ± 0.83); in the endoscopic area were polypectomy (4.15 ± 0.95) and emergency techniques (4.13 ± 0.99). The main learning methods for gastroenterologists were attendance at congresses (4.29 ± 0.83) and endoscopic workshops (4.19 ± 1.06). CONCLUSIONS: The perception of the gastroenterologist surveyed on the needs of CME was mainly on gastric and colon cancer issues. Most of them considered congress attendance as the main learning method.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,031
Tête enseignante GPT0,388
Écart entre enseignants0,357 · 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'étudeObservationnel
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetHealth and Medical EducationTravaux en français237 207