Endoscopy Training in Small Animal Internal Medicine: A Survey of Residency Training Programs in North America
Notice bibliographique
Résumé
Competency in multiple endoscopic techniques is a major goal of small animal internal medicine (SAIM) residency programs. Training relies predominantly on mentored supervision of procedures performed on patients. Supplementation of this apprenticeship model with classroom sessions and hands-on laboratories can be advantageous to trainees and patients. Few veterinary resources describe supplemental training options, and no single source exists for mentors to consult for program development. The purpose of this study was to describe the supplemental training opportunities currently available to SAIM residents at academic hospitals in the US and Canada and to compare their timing during the residency, resident and faculty time commitment, and perceived helpfulness. Data were collected by an electronic survey distributed to one faculty member per institution. The response rate was 80% (24/30). Most programs (22/24; 92%) offered some form of supplemental training, including classroom sessions (9/24) and hands-on laboratories using physical models (7/24), virtual reality simulators (2/24), and cadaver (2/24) and anesthetized (2/24) dogs. Fifteen programs provided residents with the opportunity to attend external endoscopy workshops. Only three programs required any training prior to residents performing procedures on patients. There was considerable variability in training between programs, precluding statistical comparisons. The survey identified topics for classroom sessions and several inexpensive physical models, rated very or extremely helpful, that would be suitable for programs with limited budgets. A human-based virtual reality simulator was also rated highly by two programs. Comprehensive, external workshops evoked numerous positive comments with perceived value ranging from somewhat to extremely helpful.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».