Medical education and training within congenital cardiology: current global status and future directions in a post COVID-19 world
Notice bibliographique
Résumé
Despite enormous strides in our field with respect to patient care, there has been surprisingly limited dialogue on how to train and educate the next generation of congenital cardiologists. This paper reviews the current status of training and evolving developments in medical education pertinent to congenital cardiology. The adoption of competency-based medical education has been lauded as a robust framework for contemporary medical education over the last two decades. However, inconsistencies in frameworks across different jurisdictions remain, and bridging gaps between competency frameworks and clinical practice has proved challenging. Entrustable professional activities have been proposed as a solution, but integration of such activities into busy clinical cardiology practices will present its own challenges. Consequently, this pivot towards a more structured approach to medical education necessitates the widespread availability of appropriately trained medical educationalists, a development that will better inform curriculum development, instructional design, and assessment. Differentiation between superficial and deep learning, the vital role of rich formative feedback and coaching, should guide our trainees to become self-regulated learners, capable of critical reasoning yet retaining an awareness of uncertainty and ambiguity. Furthermore, disruptive innovations such as "technology enhanced learning" may be leveraged to improve education, especially for trainees from low- and middle-income countries. Each of these initiatives will require resources, widespread advocacy and raised awareness, and publication of supporting data, and so it is especially gratifying that Cardiology in the Young has fostered a progressive approach, agreeing to publish one or two articles in each journal issue in this domain.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».