A Diverse Specialty: What Students Teach Us About Neurology and “Neurophobia”
Notice bibliographique
Résumé
OBJECTIVE: To explore what elective students learn about the specialty of Neurology. METHODS: A prospective qualitative study using pre- and post-elective written questionnaires. RESULTS: Analysis concentrated on three main themes: What did students learn about the specialty of Neurology? What would they change about their experience? Did their opinions change? Major findings were (i) pre- and post-elective the most frequent response for "what is the best thing about Neurology?" was the "process of localization" and (ii) post-elective students were less likely to cite the challenge or problem-solving aspect of Neurology as the best thing while more emphasized the importance of the physical exam and the variety of cases. (iii) Students were most surprised by the scope of neurological practice. (iv) They would diversify the setting of their elective to include less time spent in the emergency room and more time in clinic. (v) The perception of Neurology as a specialty in which patients have a poor prognosis was the opinion that changed the most. CONCLUSIONS: Showcasing the diversity of cases and careers in Neurology may be a useful strategy to increase interest in the specialty and reduce neurophobia. Lectures or small groups early in medical school should concentrate on clear examples of common neurological conditions and emphasize the role of general neurologists and subspecialists involved in patient care. Whenever possible students should rotate through different clinics and not concentrate exclusively on emergency room and in-patient cases.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».