MétaCan
Menu
Retour à la cohorte
Enregistrement W3046809375 · doi:10.1097/phm.0000000000001550

Physical Medicine and Rehabilitation Residency Quality Improvement and Research Curriculum

2020· article· en· W3046809375 sur OpenAlexaff
Prateek Grover, Oksana Volshteyn, David B. Carr

Notice bibliographique

RevueAmerican Journal of Physical Medicine & Rehabilitation · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensTraffic Injury Research Foundation
Organismes subventionnairesnon disponible
Mots-clésMentorshipCurriculumMedical educationMedicineScope (computer science)Presentation (obstetrics)CLARITYQuality (philosophy)Resource (disambiguation)Quality managementPsychologyEngineeringComputer scienceOperations managementSurgery

Résumé

récupéré en direct d'OpenAlex

ABSTRACT: Physical medicine and rehabilitation residency programs do not demonstrate a uniform level of training and mentorship for resident scholarly activities related in part to variable utilization of standardized curricula. The aim of this study was to design, develop, implement, and evaluate a structured Quality Improvement and Research Curriculum for a physical medicine and rehabilitation residency program in academic year 2015 using standardized methodology. A combination of five-phase project-lifecycle and six-step medical-curriculum development methodologies was used to integrate existing resources into five institutional domains: (1) Patient Safety and Quality Improvement Program; (2) Research Mentorship Program; (3) Rehab in Review; (4) Publication and Presentation Resources, and (5) Research and QI Lecture Series. Dedicated resident-faculty teams were created for individual domains and for the overall curriculum. Written materials developed included scope documents, reporting forms, and tracking tables. A dedicated webpage on the department website served as an accessible resource. A bimonthly Updates newsletter highlighted ongoing resident achievements. Program and resident outcome metrics were evaluated at the mid and end of academic year 2015. Excellent resident and good faculty participation in the curriculum was observed. Resident publication and presentation productivity improved. Time was the biggest barrier to success. Key factors for success included phased implementation, dedicated teams, scope clarity, accessible resources, personnel support, resident champions, and faculty mentorship.

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)0,034
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,180

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,030
Tête enseignante GPT0,442
Écart entre enseignants0,412 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Physical Medicine & RehabilitationMême sujetInnovations in Medical EducationTravaux en français237 207