TP8.2.5 Taking the virtual plunge: delivering an intensive curriculum at the 'St Thomas' MRCS course' in the COVID era
Notice bibliographique
Résumé
Abstract Aims The Covid-19 global pandemic changed the world. Disruption to teaching and training has been felt across medicine, but more acutely in craft specialities such as surgery. The Royal College of Surgeons has raised concerns and started a campaign: ‘no training today, no surgeons tomorrow’. Innovation and adaptation are required in this new normal. We assess the effectiveness of adapting an intensive face-to-face revision course covering essential skills and knowledge required for the Membership of the Royal College of Surgeons (MRCS) examination to the virtual world. Methods Over five days interactive lectures, small-group teaching (clinical examination, communication, procedural skills), and a complete mock examination were delivered by a faculty of expert lecturers, consultants and actors live over Zoom. Feedback was collected on all aspects of the course by online survey. Sessions were marked for presentation, clarity, relevance and overall quality. Results 19 participants attended 35 sessions and six mock stations, with a total of 597 candidate sessions and 108 candidate mock stations. 94% of ratings were at least very good; 63% were excellent. Participants reported significantly improved levels of skill and knowledge (p < 0.001). Most felt skills improved from fair to very good. All candidates felt the course was well organised and allowed full participation. Conclusion Increasingly, medical education is occurring in the virtual world. Whilst this poses difficulty in craft specialities, particularly for skill acquisition, our data demonstrate high participant satisfaction. Moreover, significant improvements were seen in self-assessment of skills and knowledge as a consequence of this unique course.
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 | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 ».