Assessing perceptions of professionalism in medical learners by the level of training and sex
Notice bibliographique
Résumé
Background: Canadian medical student and residents' severity ratings of professionalism vignettes were examined to identify the differences in ratings by the level of training and by sex. Methods: Eight hundred and thirty-five medical learners (400 medical students and 435 residents) were invited to participate in an online survey measuring medical professionalism. The survey was composed of questions about descriptive information and professionalism vignettes. The tool consists of 16 vignettes examining respondent's ability to recognize the professional and unprofessional behaviors. For each vignette, participants were asked to rate the severity of the infraction as "not a problem" to "severe." Wilcoxon rank sum tests and Fischer's Chi-square tests were used to examine the differences in perceptions of professionalism by the level of training and sex, and logistic regression models were created with the level of training and sex to examine their association with binary vignette responses (not a severe infraction and severe infraction); controlling for the effect of the other variable. Results: Overall response rate for the completed survey was 30% (n = 253). Significant differences between males and females were found for lapse in excellence (P ≤ 0.039), inappropriate dress (P ≤ 0.003), lack of altruism (P ≤ 0.033), disrespect (P ≤ 0.013), shirking duty (P ≤ 0.028), and abuse of power (P ≤ 0.006). Females rated all six vignettes as more severe as compared to males. Shirking duty (P ≤ 0.002) was found to have the differences between learner responses. Regressions found sex to be associated with severity of professionalism infractions on seven vignettes. Discussion: Future work is needed in the area of professionalism and sex to understand why female and male learners may perceive professionalism differently.
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 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 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».