Urology Residency Training During the Pandemic: A Review of the Current Literature
Notice bibliographique
Résumé
Background Since COVID–19 was declared a pandemic on March 11, 2020, health care systems worldwide have been under significant strain. Although urology is not on the frontline of care for patients with COVID-19, every practicing urologist has been affected by the global outbreak. The objective of this review is to evaluate the impact of COVID–19 pandemic on urology residency training programs. Methods We reviewed the current evidence on urology residency training during the COVID-19 pandemic. Relevant databases (MEDLINE, Scopus, Cochrane Library) were searched for articles published to June 2021 that included residents’ or directors’ opinions on their residency training programs during the COVID-19 crisis. Results The literature search identified 72 articles. Fifteen studies including more than 2500 residents were eligible for inclusion in the analysis. During the pandemic, learning activities carried out by urology residents have been extensively affected. Worldwide, operation volume has decreased, especially for procedures in which residents were directly involved. Similarly, there has been a decline in most academic activities, and many studies have reported the negative impact on residents’ mental well-being and lifestyle. On the other hand, the lockdown provided an opportunity to review the current training system and to increase the implementation of tools such as telemedicine and smart-learning surgical skill training programs. Conclusion The COVID-19 pandemic has resulted in significant changes in urology residency programs worldwide, which have had a negative impact on surgical training and academic activities. Residents’ well-being and mental health have also been put at risk. However, this unprecedented situation has also generated new online learning modalities and technological innovations in the field of training in urology.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,011 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».