MétaCan
Menu
Retour à la cohorte
Enregistrement W3161491498 · doi:10.1093/bjs/znab134.117

133 Neurosurgery Education in The Medical School Curriculum: A Scoping Review

2021· review· en· W3161491498 sur OpenAlexaboutno aff
Keng Siang Lee, J J Y Zhang, Alexander Alamri, Ajai Chari

Notice bibliographique

RevueBritish journal of surgery · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueHistory of Medical Practice
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineNeurosurgerySpecialtyCurriculumMedical educationMedical schoolFamily medicineMedical literatureSurgeryPsychologyPathologyPedagogy

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Worldwide, there is no specific medical school curriculum in neurosurgery despite a high burden of neurosurgical disease that is often assessed, investigated and managed by generalists. This scoping review was carried out to map available evidence pertaining to the provision of neurosurgery education in the medical school curriculum across the world. Method This review was conducted in accordance to the Preferred Reporting Items for Systematic Reviews and Meta-Analysis extension for Scoping Reviews. Results Ten studies were included. Six were from the United Kingdom, two from the United States, and one each from Canada and Ireland. Two studies evaluated perceptions of both medical students and practicing clinicians, five studies evaluated the perceptions of medical students and three studies reported perceptions of clinicians only. Three main themes were identified. Neurosurgery was perceived as an important part of the general medical student curriculum. Exposure to neurosurgery teaching was varied but when received, deemed useful and students were keen to receive more. Interest in a neurosurgical career amongst medical students was high. Conclusions There is a lack of a specialty-specific medical school curriculum and variability of medical students’ exposure to neurosurgery teaching exists. Our findings highlight the need to systematically assess specialty-specific teaching and determine adequacy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,057
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,057
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0150,017
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,088
Tête enseignante GPT0,417
Écart entre enseignants0,330 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish journal of surgeryMême sujetHistory of Medical PracticeTravaux en français237 207