Impact of COVID-19 on Canadian Radiology Residency Training Programs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: The novel coronavirus disease (COVID-19) pandemic has swept the globe, with a domino effect on medical education and training. In this study, we surveyed Canadian radiology residents to understand the impact of the pandemic on their residency training, strategies utilized by the residency programs in mitigating those impacts, and factors important to residents in the selection of educational resources on COVID-19. METHODS: A 10-item questionnaire was distributed to 460 resident members of the Canadian Association of Radiologists. The survey was open for 2 weeks, with a reminder sent at half-way mark. RESULTS: We received 96 responses (response rate: 20.9%). The 4 highest affected domains of training were daytime case volumes (92.4%), daytime schedules (87.4%), internal and external assessments (86.5%), and vacation/travel (83.3%). Virtual teaching rounds (91.7%), change in schedules to allow staying home (78.1%), and virtual/phone readouts (72.9%) were the most utilized strategies by the Canadian radiology residency programs. Overall stress of exposure to the disease was moderate to low (86.5%). A minority of the residents were redeployed (6.2%), although most (68.8%) were on standby for redeployment. Residents preferred published society guidelines (92.3%), review papers (79.3%), video lectures (79.3%), and web tools (76.9%) for learning about COVID-19 imaging manifestations. CONCLUSION: The COVID-19 pandemic has had a significant impact on various domains of the Canadian radiology residency programs, which has been mitigated by several strategies employed by the training programs.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle