Influence of distributed medical education on pre-clerkship elective use and utility
Notice bibliographique
Résumé
Purpose To explore differences in pre-clerkship elective (PCE) use and utility between main and regional campuses at McMaster University’s Michael G. DeGroote School of Medicine, in four main areas: ease of access to PCEs, volume and breadth of PCEs, helpfulness in choosing future specialties, and utility for clerkship preparation. Methods An anonymous and voluntary survey was distributed in early 2020 to McMaster University Michael G. DeGroote School of Medicine’s medical students across all three years of study. Data were analyzed for any significant differences between main and regional campuses, and post-hoc sensitivity analyses were used to account for non-response and self-selection bias. Results Regional campus students felt significantly less frustration around PCE availability (2.88 vs 4.16, p<0.001, scale 1(least) – 5(most)) and significantly greater ease of PCE scheduling than students at the main campus (3.50 vs 2.24, p<0.001, scale 1(least) – 5(most)). Regional campus students explored significantly fewer specialties (5.19 vs 6.19, p = 0.049) and there was no significant difference in the total number of PCE hours undertaken, nor hours spent with a single specialty. Overall, students in both campuses endorsed pressure to take PCEs and mixed benefits of PCEs for clerkship preparation. Students also found PCEs to be an important part of choosing a specialty independent of campus. Conclusion Regional medical campuses at McMaster University offer generally equal opportunities for PCE volume and breadth as main campuses, but with significantly lower barriers and frustrations around scheduling and availabilities. Conflicts of interest There are no conflicts of interest to report.
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 | 0,002 | 0,030 |
| 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 | 0,001 |
| 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 ».