Wilderness Medicine Physician Education: How an Elective Can Spark a Fire
Notice bibliographique
Résumé
Background Wilderness medicine (WM) electives offer an opportunity for medical trainees to learn an additional skillset outside of the traditional medical education curricula. Prior literature has yet to detail how participation in WM electives during medical training informs future training (i.e., master's degree, fellowship) or career involvement in the field. Methodology A 25-question survey was completed by former participants of 25 WM electives based in the United States. Survey questions focused on the demographics, motivations, current involvement, and additional WM training among those who participated in WM electives. The survey was completed by 102 eligible participants. Results Of the 102 participants, 53% had been engaged with WM since completing their elective; 18% of the participants had completed additional formal training in WM (i.e., master's degree, fellowship). Further, 95% of participants felt that the elective enhanced their resilience and critical thinking. Of those currently most involved in WM (n = 26), half (46%) were unsure about integrating WM into their careers prior to their elective. Among the uncertain yet highly engaged cohort, 98% cited the elective as the reason they stayed involved in WM. Conclusions These findings underscore the importance of WM electives in fostering interest among medical trainees in WM, and suggest that participation in WM electives may promote further involvement after medical school and residency.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,009 | 0,004 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,002 |
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 ».