Multi-Residency Implementation of an Online Movement Disorders Curriculum Based on Real Patient Videos
Notice bibliographique
Résumé
Background: In-person didactic education in residency has numerous challenges including inconsistent availability of faculty and residents, limited engagement potential, and non-congruity with clinical exposure. Methods: An online curriculum in movement disorders was implemented across nine neurology residency programs (six intervention, three control), with the objective to determine feasibility, acceptability, and knowledge growth from the curriculum. Residents in the intervention group completed ten modules and a survey. All groups completed pre-, immediate post-, and delayed post-tests. Results: Eighty-six of 138 eligible housestaff (62.3%) in the intervention group completed some modules and 74 completed at least half of modules. Seventy-four, 49, and 30 residents completed the pre-, immediate post-, and delayed post-tests respectively. Twenty-five of 42 eligible control residents (59.5%) completed at least one test. Mean pre-test scores were not significantly different between groups (6.33 vs. 6.92, p = 0.18); the intervention group had significantly higher scores on immediate post- (8.00 vs. 6.79, p = 0.001) and delayed post-tests (7.92 vs. 6.92, p = 0.01). Residents liked having a framework for movement disorders, appreciated the interactivity, and wanted more modules. Residents completed the curriculum over variable periods of time (1-174 days), and at different times of day. Discussion: This curriculum was feasible to implement across multiple residency programs. Intervention group residents showed sustained knowledge benefit after participating, and residents took advantage of its flexibility in their patterns of module completion. Similar curricula may help to standardize certain types of clinical learning and exposure across residency programs. Highlights: Interactive online tools for resident didactic learning are valuable to residents. Residents learn from interactive online curricula, find the format engaging, and take advantage of the flexibility of online educational tools. Beginner learners appreciate algorithms that help them to approach a new topic.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».