Effectiveness of a 12-Month Emergency Radiology Curriculum for Improving Self-Confidence and Competence of Postgraduate Year 1 Radiology Residents—A Canadian Study
Notice bibliographique
Résumé
Purpose: Limited radiology curriculum during postgraduate year 1 of radiology residency combined with increasing workloads during emergency radiology call have contributed to heightened anxiety and responsibilities for junior residents. This study aimed to evaluate the effectiveness of a 12-month emergency radiology curriculum on self-rated confidence and general competence of Canadian postgraduate year 1 radiology residents. Methods: A cohort of Canadian postgraduate year 1 Diagnostic Radiology residents voluntarily enrolled in a 12-month self-directed online emergency radiology curriculum (9 modules). Participants completed pretest and posttest surveys and examinations to gauge their self-rated competence on module material and knowledge acquisition, respectively. Average pretest and posttest scores were compared using Student 2-tailed unpaired t test, and Likert data from self-reported confidence were compared using a Mann Whitney U test. Statistical significance was defined as P < .05. Results: Sixty-six trainees completed at least 1 module, and 15 trainees completed all 9 modules. Both self-rated confidence and posttest scores were statistically higher after module completion ( P < .001) for all 9 learning modules. The greatest improvement in test scores was seen in the female genitourinary module (28.12 ± 3.018; difference between pretest and posttest means ± SEM). Conclusions: Our study demonstrates learning benefits for junior radiology trainees who participated in a self-directed online emergency radiology curriculum during postgraduate year 1. In the face of ever-increasing demands for imaging in on-call settings across Canada, inclusion of a self-directed online curriculum may become more important for upcoming competency-based medical education as it encourages a learner-driven and non-time-based method of education.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».