Improving Medical Student Comfort and Competence in Performing Gynecological Exams: A Systematic Review
Notice bibliographique
Résumé
PURPOSE: Performing a gynecological exam is an essential skill for physicians. While interventions have been implemented to optimize how this skill is taught in medical school, it remains an area of concern and anxiety for many medical students. To date, a comprehensive assessment of these interventions has not been done. The authors conducted a systematic review of the literature on interventions that aim to improve medical student education on gynecological exams. METHOD: The authors searched 6 databases (Ovid MEDLINE, Ovid EMBASE, EBSCO CINAHL Plus, Scopus, Web of Science Core Collection, and ERIC [Proquest]) from inception to August 4, 2020. Studies were included if they met the following criteria: focus on medical students, intervention with the purpose of teaching students to better perform gynecological exams, and reported outcomes/evaluation. Extracted data included study location, study design, sample size, details of the intervention and evaluation, and context of the pelvic exam. All outcomes were summarized descriptively; key outcomes were coded as subjective or objective assessments. RESULTS: The search identified 5,792 studies; 50 met the inclusion criteria. The interventions described were diverse, with many controlled studies evaluating multiple methods of instruction. Gynecological teaching associates (GTAs), or professional patients, were the most common method of education. GTA-led teaching resulted in improvements in student confidence, competence, and communication skills. Physical adjuncts, or anatomic models and simulators, were the second most common category of intervention. Less resource-intensive interventions, such as self-directed learning packages, online training modules, and video clips, also demonstrated positive results in student comfort and competence. All studies highlighted the need for improved education on gynecological exams. CONCLUSIONS: The literature included evaluations of numerous interventions for improving medical student comfort and competence in performing gynecological exams. GTA-led teaching may be the most impactful educational tool described, though less resource-intensive interventions can also be effective.
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 | 0,009 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».