Dental students’ OMFS‐related experiences and interest in OMFS careers: An exploration
Notice bibliographique
Résumé
PURPOSE: While the numbers of oral maxillofacial surgery (OMFS) residents increased over time, women and residents from underrepresented minority backgrounds are still underrepresented. The objectives were to assess dental students' OMFS-related personal and educational experiences and attitudes and explore which factors correlate with their interest in future OMFS careers. METHODS: Data were collected from 493 dental students in 1 dental school and 206 students from 15 other US and Canadian dental schools. RESULTS: The students in the national sample were more likely to have experienced an OMFS procedure themselves (64.6% vs. 50.7%; P = 0.001), have shadowed an OMFS in an operating room (23.2% vs. 14.9%; P = 0.009) prior to coming to dental school and to be much/very much interested in an OMFS career (36.4% vs. 12%; P < 0.001) than the students at the home school. While the majority of both groups rated their experiences with rotations in the OMFS department in the dental school (68% vs. 62.5%) and in the hospital (80.3% vs. 85.7%) as very interesting, the students in the national sample were more likely to agree/strongly agree that they were satisfied with their OMFS experiences (68.1% vs. 36.3%; P < 0.001) and had learned a lot from the OMFS faculty (57.9% vs. 30.8%) than the students in the home school. For both groups, the degree of interest in an OMFS career correlated with having had more personal OMFS experiences (home: r = 0.28; P < 0.001/other: r = 0.39; P < 0.001), more interesting OMFS experiences in the dental school (r = 0.23; P < 0.05/r = 0.40; P < 0.001) and the hospital (0.33; P < 0.05/r = 0.50; P < 0.001) and more positive attitudes toward OMFS faculty (r = 0.26; P < 0.001/r = 0.37; P < 0.001). CONCLUSIONS: Positive personal and educational OMFS experiences and positive attitudes toward OMFS faculty were associated with an interest in OMFS careers. These findings provide a basis for developing educational interventions aimed at increasing the percentage of women and residents from URM backgrounds in OMFS 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.
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 | 0,002 | 0,006 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».