New beginnings in post graduate medical education. Latin American Medical Education Leaders Forum
Notice bibliographique
Résumé
Introduction: The consequences of the Covid-19 epidemic have been catastrophic for Latin America in 2021. This study explores experiences, lessons learned, and practice changes during this critical time in post-graduate medical education in Latin America. Methods: A panel of 53 post-graduate medical education leaders from 8 Latin American countries and Canada was invited to participate in the 2021 Latin American Medical Education Leaders Forum to share their experiences, lessons learned, and main educational practice changes given the Covid-19 pandemic scenario. Participants were selected following a snowball technique with the goal of obtaining a diverse group of experts. Small group discussions were conducted by bilingual facilitators based on a semi-structured questionnaire. The plenary session with the main conclusions of each group was recorded and fully transcribed for a thematic analysis using a framework methods approach. Results: Participants´ profiles included 13 experienced clinician-educators, 19 program directors, and 23 deans or organizational representatives. Seven specific themes emerged. They followed a pattern that went from an initial emotional reaction of surprise to a complex collective response. The responses highlighted the value of adaptability, the application of new digital skills, a renovated residents’ protagonism, the strengthening of humanism in medicine, the openness of new perspectives in wellness, and finally, an unresolved challenge of assessment in medical education in a virtual post-pandemic scenario. Conclusion: A diverse panel of medical educators from Latin America and Canada identified changes triggered by the Covid-19 pandemic that could transform postgraduate medical education in the region.
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 | 0,003 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».