P.069 Pediatric neurology subspecialty education development in a resource limited setting
Notice bibliographique
Résumé
Background: In 2013, the University of Calgary (UofC) - Mbarara University of Science and Technology (MUST) Pediatric Education Program was established when the Pediatric Department in Mbarara, Uganda identified a need for enhanced education in pediatric subspecialty areas. We report on the experience of developing the pediatric neurology subspecialty curriculum. Methods: Pre-visit meetings established mutually agreed upon objectives and learning activities that were implemented over 2-week periods in 2015 and 2018. Pre and post-tests were administered to MUST Pediatric residents. Mean differences in test scores were compared using a Student t-test. Residents provided written feedback following the end of the second visit. Results: A pediatric neurologist (AM) visited MUST (2015 and 2018) to deliver the curriculum. The second visit was accompanied by a senior UofC Pediatrics resident (LD). Eight and 14 residents at MUST participated in the curriculum in 2015 and 2018, respectively. Neurology test scores improved in 2015 from a mean of 43% to 61% (p = 0.011) and in 2018 from 53% to 84% (p < 0.00001). Teaching sessions were well received by MUST residents. Conclusions: Collaboration between UofC faculty and MUST established an effective pediatric neurology curriculum that was well-received by residents.
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 | 0,002 | 0,004 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,003 |
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 ».