Use of oncology electronic learning resources to learn about geriatric oncology.
Notice bibliographique
Résumé
11033 Background: Despite the aging population driving cancer growth, oncology trainees receive little training in geriatrics. While electronic resources, such as ASCO University, may help meet this gap, use of available geriatric oncology (GO) modules is low. We sought to understand why by exploring how oncology trainees currently learn about GO, their preferred methods for learning about GO, and their attitudes towards e-learning and geriatrics. Methods: Canadian medical oncology residents and recent graduates were electronically surveyed about the following domains: demographics, self-directed learning practices, use of electronic resources, perceived facilitators and barriers to e-learning, and geriatric oncology teaching. Descriptive statistics were used to analyze the data. Results: Respondents (n = 47) were mostly aged < 35 (66%). Respondents felt that learning about older adults was important (mean 4.3±1.0 out of 5) and generally felt comfortable caring for them (mean 3.9±0.9 out of 5) despite minimal training in geriatrics.Almost half (48.9%) received 0-2 hours of teaching in GO during residency, with the majority (59.6%) receiving teaching in clinic, 36.2% through lectures and 21.3% via seminars. Respondents also learned about GO through reading journal articles (42.6%), modelling in clinic (36.2%), reading a textbook (19.2%) or attending a conference (19.2%). Respondents preferred to learn about GO through on-site lectures (46.8%), dinner meetings (42.6%), case discussion (42.6%) and attending conferences (38.3%). Although overall respondents highly valued electronic learning (mean 4.3±0.75 out of 5), only a minority (8.5%) had received GO teaching electronically using e-modules and only 23.4% respondents were aware of e-learning resources in GO. In contrast most respondents (83%) had used an e-learning resource to learn about oncology. The most common oncology e-resources used were ASCO University (61.7%), Oncology Education (61.7%), and ASCO meeting videos (44.7%). Conclusions: Although oncology trainees value and commonly use e-learning resources, e-learning is not a common or preferred way to learn about GO, potentially due to lack of awareness about these resources. Future research will explore whether the current methods of educating oncology learners about older adults are appropriate and sufficient, as well as how trainees value and prioritize learning about topics that are not included in the formal curricula.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,005 |
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 ».