MétaCan
Menu
Retour à la cohorte
Enregistrement W3195152111 · doi:10.1097/phm.0000000000001868

Development of a Formalized, Multifaceted Mentorship Program in Physical Medicine and Rehabilitation Residency Education

2021· article· en· W3195152111 sur OpenAlexaffabout
Jason Liang, Ainsley Kempenaar, Nicholas Sequeira, Lisa Becker

Notice bibliographique

RevueAmerican Journal of Physical Medicine & Rehabilitation · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensToronto Rehabilitation Institute
Organismes subventionnairesnon disponible
Mots-clésMentorshipMedical educationMedicineResidency trainingRehabilitationMatching (statistics)Physical therapyPathology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT: Mentorship in medicine has long been a vital component to the training, development, and career advancement of physicians. Although optimal strategies for facilitating mentorship relationships are unknown, it is recognized that establishing a formalized mentorship program within residency training may augment mentor-mentee pairing, improve overall trainee experience, and enhance resident perception of strong mentoring relationships. A formalized mentorship program was successfully developed in a Canadian physical medicine and rehabilitation residency program, including innovations such as near-peer self-matching, a needs assessment survey, a speed dating event, formation of "link groups," and "fireside chats" with faculty members. This approach may serve as a guide for other medical education and residency programs seeking to implement a similar concept.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,780
Score d'incertitude au seuil0,659

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,387
Écart entre enseignants0,367 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations5
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Physical Medicine & RehabilitationMême sujetMentoring and Academic DevelopmentTravaux en français237 207