Proposed definition of competencies for surgical neuro-oncology training
Notice bibliographique
Résumé
OBJECTIVE: The aim of this work is to define competencies and entrustable professional activities (EPAs) to be imparted within the framework of surgical neuro-oncological residency and fellowship training as well as the education of medical students. Improved and specific training in surgical neuro-oncology promotes neuro-oncological expertise, quality of surgical neuro-oncological treatment and may also contribute to further development of neuro-oncological techniques and treatment protocols. Specific curricula for a surgical neuro-oncologic education have not yet been established. METHODS: We used a consensus-building approach to propose skills, competencies and EPAs to be imparted within the framework of surgical neuro-oncological training. We developed competencies and EPAs suitable for training in surgical neuro-oncology. RESULT: In total, 70 competencies and 8 EPAs for training in surgical neuro-oncology were proposed. EPAs were defined for the management of the deteriorating patient, the management of patients with the diagnosis of a brain tumour, tumour-based resections, function-based surgical resections of brain tumours, the postoperative management of patients, the collaboration as a member of an interdisciplinary and/or -professional team and finally for the care of palliative and dying patients and their families. CONCLUSIONS AND RELEVANCE: The present work should subsequently initiate a discussion about the proposed competencies and EPAs and, together with the following discussion, contribute to the creation of new training concepts in surgical neuro-oncology.
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 | 0,011 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».