MétaCan
Menu
Retour à la cohorte
Enregistrement W4220972485 · doi:10.2196/32183

Technology Literacy in Undergraduate Medical Education: Review and Survey of the US Medical School Innovation and Technology Programs

2022· article· en· W4220972485 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Medical Education · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueBiomedical and Engineering Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedical educationLiteracyMathematics educationMedicinePedagogyPsychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Modern innovations, like machine learning, genomics, and digital health, are being integrated into medical practice at a rapid pace. Physicians in training receive little exposure to the implications, drawbacks, and methodologies of upcoming technologies prior to their deployment. As a result, there is an increasing need for the incorporation of innovation and technology (I&T) training, starting in medical school. OBJECTIVE: We aimed to identify and describe curricular and extracurricular opportunities for innovation in medical technology in US undergraduate medical education to highlight challenges and develop insights for future directions of program development. METHODS: A review of publicly available I&T program information on the official websites of US allopathic medical schools was conducted in June 2020. Programs were categorized by structure and implementation. The geographic distribution of these categories across US regions was analyzed. A survey was administered to school-affiliated student organizations with a focus on I&T and publicly available contact information. The data collected included the founding year, thematic focus, target audience, activities offered, and participant turnout rate. RESULTS: A total of 103 I&T opportunities at 69 distinct Liaison Committee on Medical Education-accredited medical schools were identified and characterized into the following six categories: (1) integrative 4-year curricula, (2) facilitated doctor of medicine/master of science dual degree programs in a related field, (3) interdisciplinary collaborations, (4) areas of concentration, (5) preclinical electives, and (6) student-run clubs. The presence of interdisciplinary collaboration is significantly associated with the presence of student-led initiatives (P=.001). "Starting and running a business in healthcare" and "medical devices" were the most popular thematic focuses of student-led I&T groups, representing 87% (13/15) and 80% (12/15) of respondents, respectively. "Career pathways exploration for students" was the only type of activity that was significantly associated with a high event turnout rate of >26 students per event (P=.03). CONCLUSIONS: Existing school-led and student-driven opportunities in medical I&T indicate growing national interest and reflect challenges in implementation. The greater visibility of opportunities, collaboration among schools, and development of a centralized network can be considered to better prepare students for the changing landscape of medical practice.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,863
Score d'incertitude au seuil0,717

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,289
Écart entre enseignants0,283 · 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