MétaCan
Menu
Retour à la cohorte
Enregistrement W3209265867 · doi:10.1016/j.ijsu.2021.106150

What it takes to become an orthopaedic surgeon: A comparison of orthopaedic surgical training programmes in 10 countries focusing on structure and fellowship requirements

2021· review· en· W3209265867 sur OpenAlexaffabout
Johanna Ludwig, Rune Bruhn Jakobsen, Yann Philippe Charles, Julia Seifert, Ian Incoll, M. Wood, Deovrat Parmar, Richard Canter

Notice bibliographique

RevueInternational Journal of Surgery · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensUniversity of SaskatchewanKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineOrthopedic surgeryTraining (meteorology)Medical educationGeneral surgeryPhysical therapyMedical physicsSurgery

Résumé

récupéré en direct d'OpenAlex

Background The quality of surgical training has been highlighted as one of the most important patient safety issues in the future. Training surgeons and supporting them to do their best should be considered integral in providing optimum and safe care for the individual patient and the best possible return on investment in training medical professionals. In 2011, an international consensus statement defined fundamental principles for surgical training. Purpose This study examines orthopaedic surgical training to explore the similarities and differences in the requirements for trainees to obtain board certification in ten countries. Methods Countries of the Commonwealth Health Care Comparison: Canada, the United Kingdom, the United States of America, Australia, New Zealand, Germany, France, the Netherlands, Norway and Switzerland were chosen to be compared. The relevant information was extracted from official information from authorities and administrative bodies. Results The study revealed significant differences in duration, organisation and assessment of training. So-called “competency-based” training is not featured in every country, and the manner of its implementation is variable. In particular, the numbers in surgical cases required to be accredited varies by country ranging from 1260 (UK) to 340 (Norway). Conclusion Despite the recommendation in 2011 for some degree of uniformity across surgical training in industrialised countries, evidence suggests wide variation in the training programmes which is likely to be a concern in both quality of training as well as present and future patient safety. Highlights Countries show significant differences in surgical training. UK trainees complete three to four times the surgeries than trainees in Norway, Switzerland and Germany. All but German trainees are to complete mandatory courses and participate in research. Assessments focusing on patient outcome are rarely implemented. Competency-based training shows wide variation and significant differences.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,224
Tête enseignante GPT0,447
Écart entre enseignants0,223 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations6
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of SurgeryMême sujetSurgical Simulation and TrainingTravaux en français237 207